Vous êtes sur la page 1sur 207

No dordre : 26

ECOLE CENTRALE DE LILLE


UNIVERSIT

E DES SCIENCES ET TECHNOLOGIES DE LILLE


TH
`
ESE
presentee en vue dobtenir le grade de
DOCTEUR
Specialite : Automatique, Genie Informatique et Signal
par
Alexandre Seuret
Ingenieur

Ecole Centrale de Lille
Commande et observation des syst`emes `a retards variables :
theorie et applications
Doctorat delivre conjointement par l

Ecole Centrale de Lille


et lUniversite de Sciences et Technologies de Lille
Soutenue le 4 Octobre 2006 devant le jury constitue de :
M. J.-F. Lafay Professeur President

Ecole Centrale de Nantes


M. C. Canudas de Wit Directeur de Recherche Rapporteur
Laboratoire dAutomatique de Grenoble
M. S.-I. Niculescu Directeur de Recherche Rapporteur
Laboratoire des Signaux et Syst`emes - CNRS - Supelec
M. W. Perruquetti Professeur Examinateur

Ecole Centrale de Lille


M. J.-P. Richard Professeur Directeur

Ecole Centrale de Lille


M. M. Dambrine Professeur Directeur
Laboratoire dAutomatique, de Mecanique et
dInformatique Industrielles et Humaines
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Table des mati`eres
Remerciements 1
Notations 3
Introduction generale 5
1 Stabilite des syst`emes `a retards 9
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Modelisation des syst`emes `a retards . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.1 Les syst`emes de type retarde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.2 Syst`emes de type neutre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.3 Mod`eles lineaires invariants `a retards discrets . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.4 Mod`eles non lineaires, non stationnaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.5 Mod`eles de retards . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3 Stabilite des syst`emes `a retards par la seconde methode de Lyapunov . . . . . . . . . . . . . . . . 16
1.3.1 Seconde methode de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.2 Approche par fonctions de Razumikhin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3.3 Approche par fonctionnelles de Krasovskii . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3.4 Extensions des theor`emes de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.5 Deux transformations sur le mod`ele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.6 Stabilite asymptotique des syst`emes `a retards majores . . . . . . . . . . . . . . . . . . . . 20
1.3.7 Stabilite asymptotique des syst`emes `a retards bornes . . . . . . . . . . . . . . . . . . . . . 21
1.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2 Stabilite exponentielle des syst`emes lineaires 25
2.1 Preliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2 Cas des retards constants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3 Cas des retards variables majores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.1 Stabilite exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.2 Exemple de comparaison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3.3 Application au cas des retards multiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.3.4 Application `a la stabilisation exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.3.5 Stabilisation `a co ut quadratique garanti . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4 TABLE DES MATI
`
ERES
2.3.6 Optimisation de lensemble des conditions initiales admissibles . . . . . . . . . . . . . . . 45
2.4 Cas des retards variables bornes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.4.1 Etude de la stabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.4.2 Stabilisation des syst`emes lineaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.4.3 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.5 Cas particulier des syst`emes neutres `a retard constant . . . . . . . . . . . . . . . . . . . . . . . . 53
2.5.1 Stabilite exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.5.2 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3 Stabilite des syst`emes non lineaires `a retards 57
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2 Syst`emes anes en lentree . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2.1 Notations et formulation du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2.2 Transformations du syst`eme initial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2.3 Exemple du pendule et du chariot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.3 Approches par mod`eles polytopiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.3.1 Presentation du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.3.2 Stabilite exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.3.3 Stabilisation exponentielle de syst`emes polytopiques . . . . . . . . . . . . . . . . . . . . . 65
3.3.4 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.4 Stabilisation exponentielle robuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.4.1 Presentation du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.4.2 Stabilite exponentielle de syst`emes soumis `a des incertitudes . . . . . . . . . . . . . . . . 68
3.4.3 Application `a la stabilisation exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.4.4 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.5 Introduction `a la commande saturee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.6 Approche polytopique pour letude des syst`emes `a entree saturee et retardee . . . . . . . . . . . . 81
3.6.1 Syst`emes `a entree saturee et retardee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.6.2 Resultats preliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.6.3 Stabilisation Locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.6.4 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3.6.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3.7 Syst`emes `a entree saturee et `a etat retarde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.7.1 Position du Probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.7.2 Conditions de stabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.7.3 Etude du cas retarde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.7.4 Optimisation des resultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.7.5 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.7.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
TABLE DES MATI
`
ERES 5
3.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4 Syst`emes `a entree echantillonnee 97
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.2 Une approche frequentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.2.1 Condition necessaire et susante de stabilite . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.2.2 Cas du double integrateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.2.3 Une premi`ere approche par retard variable . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.3 Une approche par retard variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
4.3.1 Stabilite dun syst`eme `a entree echantillonnee . . . . . . . . . . . . . . . . . . . . . . . . . 102
4.3.2 Etude de la robustesse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
4.3.3 Stabilite dun syst`eme neutre `a entree echantillonnee retardee . . . . . . . . . . . . . . . . 105
4.3.4 Stabilisation exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
4.3.5 Stabilisation des syst`emes `a entree saturee et echantillonnee . . . . . . . . . . . . . . . . . 108
4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5 Observation des syst`emes `a retards 113
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.2 Observation de syst`emes `a retards connus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.2.1 Presentation du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.2.2 Retard connu sur letat et la sortie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.2.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.3 Observation de syst`emes `a retards inconnus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.3.2 Observateurs `a modes glissants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
5.3.3 Retour de sortie sur la partie non-mesurable . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.4 stabilite des observateurs `a modes glissants . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
5.4.1 Observateur stable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
5.4.2 Observateur `a retour de sorties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
5.5 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.5.1 Exemple 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.5.2 Exemple 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
5.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
6 Applications 135
6.1 Etude de la barre de torsion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
6.2 Application `a la tele-operation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
6.2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
6.2.2 Conception de la commande du syst`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
6.2.3 Application au cas dun robot mobile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
6.2.4 Conception informatique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
6.2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
6.3 Commande dun chariot utilisant un capteur camera . . . . . . . . . . . . . . . . . . . . . . . . . 153
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6 TABLE DES MATI
`
ERES
6.3.1 Deplacement motorise dun chariot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
6.3.2 Mod`ele du syst`eme `a commander . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.3.3 Syst`eme de vision articielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.3.4 Utilisation dun observateur predicteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
6.3.5 Validation experimentale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
6.3.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
6.4 Commande retardee dun pendule inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
6.4.1 Position du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
6.4.2 Modelisation sous forme syst`emes de param`etres incertains . . . . . . . . . . . . . . . . . 160
6.4.3 Etude de la stabilisation du pendule inverse . . . . . . . . . . . . . . . . . . . . . . . . . . 161
6.4.4 Resultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
6.4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
6.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
Conclusion 164
A Inegalites matricielles lineaires 165
A.1 Denitions et notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
A.2 Programmation semi-denie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
A.3 Les theor`emes classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
B Commande dun pulverisateur [3] 167
B.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
B.2 Description of the system . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
B.3 Modelling of the system . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
B.4 Control law . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
B.5 Stability analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
B.6 Implementation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
B.7 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
C Controle dun moteur par capteur visuel [20] 179
D Observateurs `a modes glissants et observateurs dUtkin 191
Bibliographie 193
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Remerciements
Le travail que nous presentons dans ce memoire a ete eectue au LAGIS sous la direction de Monsieur
Jean-Pierre Richard, Professeur `a lEcole Centrale de Lille et de Monsieur Michel Dambrine, Professeur au
LAMIH.
Je tiens `a remercier tr`es vivement Monsieur Jean-Pierre Richard et Monsieur Michel Dambrine de mavoir
accepte dans leur equipe, de leur enthousiasme envers mon travail, de leur disponibilite. Les judicieux conseils
quils mont prodigues tout au long de ces trois annees de th`ese mont permis de progresser dans mes etudes et
dachever ce travail dans les meilleures conditions.
Je suis tr`es honore que Monsieur Carlos Canudas de Witt, Directeur de Recherche CNRS au Laboratoire
dAutomatique de Grenoble et Monsieur Silviu-Iulian Niculescu, Directeur de Recherche CNRS `a lHeudiasyc
aient accepte de rapporter mon travail.
Je tiens aussi `a assurer de ma reconnaissance Monsieur Jean-Fran cois Lafay, Professeur `a lIRCYN, qui a
accepte de juger mon travail.
Je suis aussi tr`es reconnaissant `a Monsieur Wilfrid Perruquetti, Professeur `a lEcole Centrale de Lille, pour
avoir accepte dexaminer mon travail. Je tiens aussi `a le remercier, pour tous les conseils et avis quil ma donnes
lors de nos nombreuses discussions.
Cest avec sympathie que je souhaite temoigner ma reconnaissance `a Monsieur Thierry Floquet, Charge de
Recherche au CNRS et au LAGIS pour la pertinence de ses remarques et ses conseils et `a Jan Anthonis, Docteur
`a lUniversite de Leuven en Belgique, pour les nombreuses discussions et collaborations que nous avons eu tout
au long de mon doctorat.
Jaimerai exprimer aussi toute ma gratitude envers tous les membres du LAGIS pour leur sympathie. Ils
ont rendu tr`es agreables ces trois annees. Je pense particuli`erement `a Philippe Vanheeghe, Professeur `a lEcole
Centrale de Lille et Directeur du LAGIS, mais aussi Hilaire, Gilles, Bernard, Jacques, Brigitte, Regine et Patrick.
Bien s ur je souhaite aussi remercier les doctorants qui sont devenus plus que des coll`egues de travail. Un
grand merci `a Romain, Nima, Fran cois, Michael, Mohammed, Afzal, Emmanuel et tous les autres.
Je souhaite aussi dire un grand merci `a tous mes amis Lillois, Parisiens, Seine-et-Marnais et tous les autres
pour leur soutien.
Je terminerai cet avant-propos en remerciant chaleureusement ma famille, Stephane et Agn`es pour leur
implication dans mes choix tant au niveau professionnel que personnel, et bien s ur ma m`ere qui ma enormement
soutenu. Je voulais aussi remercier le petit Eliott et la petite Camille pour leurs nombreux et chaleureux sourires.
1
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2 Remerciements
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Notations
Notations relatives aux ensembles :
R : ensemble des nombres reels
C : ensemble des nombres complexes
R
+
: ensemble des nombres reels ou nuls
R
n
: espace vectoriel de dimension n construit sur le corps des reels.
[a, b] : intervalle ferme de R dextremites a et b
]a, b[ : intervalle ouvert de R dextremites a et b
[a, b[ : intervalle semi-ferme de R dextremites a et b
N
r
= 1, ..., r : ensemble des r premiers nombres entiers positifs
( = (([, 0]; R
n
) ensemble des fonctions continues de [, 0] dans R
n
x
t
( est denie par x
t
() = x(t ), [, 0]
(
1
= (
1
([, 0]; R
n
) ou (
1
(R
n
) : ensemble des fonctions contin ument dierentiables de [, 0] dans R
n
T : sous-ensemble de R
n
((T) : sous-ensemble de ( deni par ((T) = ( : () T, [, 0]
[.[ : valeur absolue dun nombre reel ou module dun nombre complexe
|.| : une norme sur R
n
|.|
C
: norme sur ( denie par ( : ||
C
= sup
[,0]
|(|)
t R
+
: variable temporelle
3
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4 Notations
x = [x
1
, ..., x
n
] R
n
: vecteur detat instantane
x(t) =
dx
dt
: derivee temporelle de letat x
x
(i)
: i
` eme
derivee de x par rapport au temps
Notations relatives aux vecteurs :
x
T
: transpose du vecteur x
|x| : norme Euclidienne de x
Notations relatives aux matrices
[a
ij
] : matrice dont le coecient de la i
` eme
ligne et j
` eme
colonne est a
ij
A
T
: transpose de la matrice A
|x| : norme Euclidienne de x
A < B (resp. A > B) : signie que AB est une matrice denie negative ( resp. denie positive)
|A| : norme Euclidienne de la matrice A
I
n
: matrice identite de R
nn
|A|
e
o` u A est une matrice carree est le plus grand module des valeurs propres de la matrice A.

min
(A), o` u A est une matrice symetrique, est la plus petite valeur propre de A.

min
(A), o` u A est une matrice carree est la plus petite de valeur absolue de la partie reelle des valeurs
propres de A.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Introduction generale
Ce travail de doctorat a ete prepare au sein de lequipe SyNeR
1
(Syst`emes Non lineaires et `a Retards) du
Laboratoire dAutomatique, Genie Informatique et Signal (LAGIS, UMR CNRS 8146). Mon travail de recherche
sinscrit dans le cadre du projet ROBOCOOP
2
, soutenu par le Conseil Regional Nord-Pas de Calais et lUnion
Europeenne. Ce projet concerne le developpement de robots autonomes et collaboratifs. Un robot autonome est
un syst`eme automoteur, disposant `a la fois de moyens de traitement de linformation permettant une capacite
decisionnelle susante et de moyens materiels adaptes, de facon `a pouvoir executer, sous controle humain reduit,
un certain nombre de taches precises, dans un environnement variable non compl`etement connu `a lavance. Ces
robots autonomes devront realiser une action commune. Cette collaboration suppose un partage de taches et
dinformations, ce qui implique la presence dun reseau de communication. Les objectifs principaux du projet
ROBOCOOP sont de proposer et de mettre en uvre des outils pour la modelisation, lanalyse et la synth`ese
de lois de commande speciques `a la cooperation de robots distants.
Dans ce memoire, laccent va etre porte sur lanalyse des probl`emes apparaissant dans les communications
entre les dierents agents cooperants et le developpement de solutions dediees. La principale diculte rencontree
pour ce type de probl`emes est lexistence de retards induits par la transmission des informations. En outre
diculte supplementaire, pour dierentes raisons comme la variation de la distance separant les robots mo-
biles, les valeurs de ces retards sont fonction du temps. Mon travail de recherche est consacre au developpement
doutils danalyse et de synth`ese de lois de commande qui sappliquent aux syst`emes `a retards variables de lois
connues ou non.
Considerons lexemple dune otte de N robots cooperants. Pour representer son evolution, on peut suivre
lhypoth`ese classique dans la modelisation mathematique qui suppose que le comportement futur peut etre
caracterise uniquement `a linstant present (note t) par un vecteur x(t) appartenant `a un espace vectoriel de
dimension nie R
n
. On appelle alors x(t) le vecteur detat de lensemble des robots se depla cant dans un
espace donne. Ce vecteur x(t) rend compte de letat de chacun des N robots pris individuellement, cest-`a-dire
x(t) = [x
1
(t), ..., x
i
(t), .., x
N
(t)]. La composante x
i
(t) du i
` eme
robot contient notamment sa position et sa vitesse.
Levolution de letat de chacune des entites est alors decrite par le syst`eme dequations :
i = 1, .., N, x
i
(t) = f(x
1
(t), ..., x
i
(t), .., x
N
(t)). (I)
Pour de nombreux syst`emes, lhypoth`ese dun mod`ele `a etat de dimension nie (I) nest plus valable. Dans
lexemple precedent, les retards induits par le reseau de communication impliquent que cette representation est
1
Le site de lequipe SyNeR est disponible sur http ://syner.free.fr/
2
Le site du projet ROBOCOOP est disponible sur http ://syner.ec-lille.fr/robocoop/
5
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6 Introduction generale
peu realiste. En eet, les informations provenant des autres robots ne parviennent quun certain laps de temps
apr`es leur emission. Cette situation conduit alors `a modier le syst`eme (I) en un syst`eme plus complexe :
i = 1, .., N, x
i
(t) = f(x
1
(t
1
), ..., x
i1
(t
i1
), x
i
(t), x
i+1
(t
i+1
), .., x
N
(t
N
)). (II)
Les retards de transmission
i
dependent souvent du temps t et sont frequemment la cause dune degradation
de performances.
Plus generalement, les syst`emes `a retards (ou hereditaires) sont des syst`emes dont la dynamique ne
depend plus uniquement de la valeur du vecteur x exprimee `a linstant present t, mais aussi des valeurs passees
de x(t) prises sur un certain horizon temporel. Les equations dierentielles decrivant levolution du syst`eme
dependent de x
i
(t
i
), avec
i
0. Dans ce cas, letat `a linstant t est decrit par une fonction, notee x
t
,
denie sur lintervalle [, 0]. Cette fonction x
t
represente ainsi un etat distribue et non plus localise dans le
temps. On retrouve de tels exemples de syst`emes dans une multitude de domaines (chimie, biologie, transport,
communication, mecanique, mecanique des uides,...). Remarquons que les syst`emes `a etats de dimension nie
ne sont nalement en pratique que des mod`eles simplies de syst`emes `a etat fonctionnel.
Lanalyse de la stabilite des syst`emes `a retards peut etre menee `a laide de techniques issues de la seconde
methode de Lyapunov. Dans la litterature, on trouve de nombreux resultats concernant des retards constants
ou variables, simples ou multiples. La pertinence des conditions obtenues depend du type de syst`emes considere,
du domaine dapplication, mais aussi de leur conservatisme. Bien que focalise sur laspect retard, lobjectif de
ce memoire est multiple. Il sagit principalement de :
determiner des lois de commande stabilisante garantissant certaines caracteristiques (bornes de retards
admissibles, performances en stabilite/stabilisation, robustesse) ;
deduire egalement des techniques de reconstruction detat (avec le meme type de caracteristiques) ;
trouver des situations concr`etes dans lesquelles ces methodes montrent leur interet ;
contribuer `a la reduction du conservatisme des theor`emes et `a les utiliser pour resoudre des probl`emes
experimentaux.
Le premier chapitre de ce memoire est consacre `a la presentation de bases theoriques sur les syst`emes `a
retards. On y presentera les principaux outils pour letude de la stabilite ou de la stabilisation asymptotique
bases sur les extensions aux syst`emes `a retards de la theorie des fonctions de Lyapunov.
Le deuxi`eme chapitre traite du probl`eme theorique de la stabilite et de la stabilisation exponentielles des
syst`emes lineaires `a retards. Nous presenterons diverses methodes qui assurent non seulement la convergence
mais aussi une certaine rapidite de convergence.
Le troisi`eme chapitre porte sur lextension des resultats proposes au chapitre precedent `a deux classes de
syst`emes non lineaires `a retards. En particulier, on considerera les deux probl`emes pratiques de lincertitude
provenant de lidentication de param`etres et la saturation de commande.
Dans le quatri`eme chapitre, on proc`ede `a letude des syst`emes continus `a commande echantillonnee. Une
approche par retard variable est proposee qui permet dutiliser les approches classiques des syst`emes `a re-
tards au cas des syst`emes echantillonnes. Lobjectif pratique de ce chapitre est detudier qualitativement et
quantitativement leet de la periode dechantillonnage sur le comportement asymptotique des solutions.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Introduction generale 7
Le cinqui`eme chapitre concerne lobservation des syst`emes `a retards. Nous presentons des resultats concer-
nant le cas, frequent dans la litterature, de retards connus mais aussi le cas, plus delicat, des retards inconnus.
Le dernier chapitre presente quelques probl`emes experimentaux pour lesquels les resultats theoriques presentes
tout au long de ce memoire trouvent nalement leur justication. En eet les retards ou les echantillonnages
apparaissent frequemment sur des plates-formes experimentales. Nous nous pencherons particuli`erement sur le
probl`eme de la commande dun robot `a distance et `a travers un reseau internet , celui de la commande dun
pendule 2D dont les informations de sortie proviennent dun capteur visuel induisant un retard et un phenom`ene
dechantillonnage et `a la synth`ese dune loi de commande qui stabilise un pendule inversee malgre la presence
dun retard variable en entree.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
8 Introduction generale
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Chapitre 1
Stabilite des syst`emes `a retards
1.1 Introduction
Les phenom`enes de retard apparaissent naturellement dans la modelisation de nombreux processus physiques.
La biologie, lecologie, les sciences de lingenieur ou les telecommunications sont des domaines o` u interviennent
des equations dierentielles dont levolution depend non seulement de la valeur de leurs variables `a linstant
present t, mais aussi dune partie de leur histoire, cest-`a-dire des valeurs `a un instant t

< t. Ces equations


dierentielles sont ainsi dites hereditaires ou `a arguments (ici temporels) dieres ou plus simplement `a
retard.
En sciences de lingenieur, on constate que la plupart des commandes actuellement implantees le sont sur des
calculateurs numeriques. Par consequent, meme si un processus `a reguler ne contient pas de retard intrins`eque,
bien souvent des retards apparaissent dans la boucle de commande par lintermediaire des temps de reaction des
capteurs ou des actionneurs (1), des temps de transmissions des informations (2) ou des temps de calculs (3). La
Figure 1.1 permet de localiser les lieux o` u apparaissent ces retards. Ces retards peuvent quelquefois etre negliges,
mais lorsque leur taille devient signicative au regard des performances temporelles du syst`eme (dynamiques
en boucles ouverte et fermee) il nest plus possible de les ignorer. On retrouve ici la problematique classique
de la dynamique des actionneurs, mais avec une complexite supplementaire provenant, nous le verrons, de la
nature des equations des syst`emes hereditaires.

( 3 ) ( 2 ) ( 2 ) ( 1 )

Actionneur


Processus


Capteur


Commande

Retard
( 1 )
Fig. 1.1 Illustration de la provenance des retards dans une boucle de controle.
9
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
10 Chapitre 1. Stabilite des syst`emes `a retards
Par ailleurs, les commandes implantees ne peuvent etre vues comme des fonctions continues du temps du fait
que le calculateur travaille avec une frequence limitee. Le temps dechantillonnage correspond ainsi au temps
necessaire aux calculateurs et aux convertisseurs analogique-numerique pour passer dune valeur `a la suivante.
Limpact des periodes dechantillonnage sur les performances dun processus doit egalement etre evalue. De plus
la periodicite de lechantillonnage nest quune premi`ere approximation, qui ne peut pas etre fondee dans le cas
dun processus `a dynamiques rapides commande par un syst`eme temps reel. Dans ce cas, lordonnancement des
taches peut aussi creer des variations de cadence non negligeables. Ici encore, une garantie des performances est
souhaitable. Nous aborderons ce point au Chapitre 4.
Exemple dun processus commande par retour visuel
Considerons un premier exemple de syst`eme o` u le retard apparat dans la boucle de commande. Le develop-
pement des technologies dans le domaine de limagerie a motive lutilisation de cameras comme capteurs ([83],
Chapitre 1). La Figure 1.2 est un exemple de plateforme experimentale disponible au LAGIS [19], [20].

Camra PC
Moteurs lectriques
Fig. 1.2 Syst`eme `a retour visuel
Il sagit dun pendule inverse dont le point bas se deplace sur le plan horizontal. Sur le point haut de la barre
du pendule sont disposes des emetteurs reconnus par la camera. Dans une premi`ere phase, les informations
echantillonnees issues du capteur camera doivent etre interpretees et modiees en vue de delivrer des donnees
utilisables par le controleur. Cette operation necessite des temps de calcul non negligeables qui introduisent des
retards dans la boucle de commande. La Figure 1.3a presente une modelisation de cette partie. La Figure 1.3b
montre la dierence entre la sortie reelle mais indisponible y et la sortie retardee et echantillonnee z.
Il est evident que lutilisation de la sortie z peut poser des probl`emes dans le calcul de la commande. On
en deduit la necessite de lanalyse de ces syst`emes et de trouver des solutions garantissant un meilleur controle.
Nous reviendrons sur cet exemple dans le Chapitre 6 o` u une solution a ete developpe en collaboration avec A.
Chamroo [20].
Exemple dun syst`eme commande `a travers un reseau de communication
Dans un autre registre, le controle `a distance est un moyen de realiser sans danger des taches en envi-
ronnement hostile (deminage, depollution par exemple), dadmettre des utilisateurs delocalises (enseignement,
chirurgie...) ou encore de faire collaborer plusieurs applications dun syst`eme informatique distribue. Bien-sur, le
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
1.1. INTRODUCTION 11

Sortie disponible
(t
e
)
y
(non disponible)
u B x A x . . ' + =
x C y . =
u
Capteur
z
e
t N. Retard
Moteur
(a)
(b)
Fig. 1.3 Sortie du pendule 2D [19]
transfert informatique des donnees (capteurs ou commande) par le reseau necessite lechantillonnage des sorties
capteur et des commandes generees. Il faut ajouter `a cela lapparition de retards intervenant dans une ligne
de communication [14], [107], [134] et [135]. Dans des communications `a travers un reseau internet, ces retards
sont generalement variables et constituent un facteur non negligeable de degradation des performances.
Le nombre croissant darticles concernant la commande de syst`emes en reseau (Networked Control System-
s) montre linteret porte `a ce domaine
1
. Cette problematique pose des probl`emes dans lanalyse de la stabilite
dun syst`eme tel que le syst`eme Matre-Esclave presente Figure 1.4. Cest pourquoi le probl`eme de la commande
`a distance constitue un enjeu actuel de lautomatique des syst`emes `a retards. Il sera egalement lobjet dune
etude au Chapitre 6.


E Es sc cl la av ve e

R R s se ea au u i in nt te er rn ne et t
Echantillonnage


M Ma ai it tr re e
Echantillonnage
Fig. 1.4 Syst`eme commande `a distance
Ce memoire concerne la stabilite, la commande et lobservation des syst`emes `a retards ainsi que quelques
unes des applications qui en decoulent. La suite de ce premier chapitre sarticule en deux parties visant `a situer
nos travaux fondamentaux dans un cadre relativement general.
La partie 1.2 est consacree `a la modelisation. Nous y presenterons les dierentes classes de syst`emes et de
retards que lon rencontre dans la litterature.
1
On pourra consulter `a ce sujet les chapitres dintroduction de [153]
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
12 Chapitre 1. Stabilite des syst`emes `a retards
La partie 1.3 concerne les approches de type Lyapunov et rappelle quelques resultats concernant la stabilite
des syst`emes `a retards. Ces methodes recentes permettent de reduire le conservatisme inherent `a cette approche
(conditions susantes et non necessaires) et de prendre aussi en compte le fait que le retard est une fonction
variant dans le temps.
1.2 Modelisation des syst`emes `a retards
Dans cette partie, nous allons presenter les dierents types de syst`emes `a retards rencontres dans la
litterature. Nous nexposerons pas le probl`eme de Cauchy associe aux dierents classes de syst`emes, initialement
etudie par Mishkis [108]. Le lecteur se referera aux ouvrages [10], [85] ou [126] sur les conditions dexistence et
dunicite des solutions.
1.2.1 Les syst`emes de type retarde
Comme nous lavons dit, les syst`emes retardes sont des syst`emes dynamiques regis par des equations
dierentielles fonctionnelles portant `a la fois sur des valeurs presentes et passees du temps. Si nous suppo-
sons que la derivee du vecteur detat peut etre explicitee `a chaque instant t, de tels syst`emes sont regis par des
equations dierentielles de la forme :
_

_
x(t) = f(t, x
t
, u
t
),
x
t
0
= () pour [t
0
, t
0
],
u
t
0
= () pour [t
0
, t
0
],
(1.2.1)
o` u > 0 et les fonctions x
t
et u
t
sont denies par (notation de Shimanov, [137]) :
x
t
:
_
[, 0] R
n
,
x
t
() = x(t +),
(1.2.2)
u
t
:
_
[, 0] R
n
,
u
t
() = u(t +).
(1.2.3)
Nous noterons par la suite ( = (
0
([, 0], R
n
) lensemble des fonctions continues de [, 0] dans R
n
.
La fonction x
t
( represente letat du syst`eme `a linstant t, u
t
est lentree (commande et perturbations
2
) du
syst`eme. Les conditions initiales et `a linstant t
0
sont des fonctions de [t
0
, t
0
] vers R
n
et supposees
continues par morceaux.
Les syst`emes hereditaires appartiennent donc `a la classe des syst`emes de dimension innie ou syst`emes
fonctionnels.
1.2.2 Syst`emes de type neutre
Les syst`emes neutres sont aussi des syst`emes hereditaires. La dierence avec le cas des syst`emes retardes
vient des arguments du champ de vecteur f, qui, cette fois-ci, font aussi intervenir la derivee de letat x
t
et, par
consequent, des derivees retardees de x(t). On les represente alors par des equations dierentielles de la forme :
2
Les perturbations peuvent aussi etre modelisees par la presence du premier argument de la fonction f, sous forme dun syst`eme
non stationnaire.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
1.2. MOD

ELISATION DES SYST


`
EMES
`
A RETARDS 13
_

_
x(t) = f(t, x
t
, x
t
, u
t
),
x
t
0
= () pour [, 0],
u
t
0
= () pour [, 0].
(1.2.4)
La presence de largument x
t
rend lanalyse de ces syst`emes plus complexe. Une autre formulation possible
est celle denie par Hale et Lunel [73] :
_
Fx
t
dt
= f(t, x
t
, u
t
), (1.2.5)
o` u T : ( R
n
est un operateur regulier. On peut citer le cas particulier lineaire qui secrit :
Tx
t
= x(t) Dx(t g), (1.2.6)
o` u D est une matrice constante et g > 0 un retard.
La stabilite dun tel syst`eme necessite que loperateur T verie des conditions restrictives du fait de lequation
aux dierences par rapport `a x(t), soit Tx
t
= 0 [85][108]). Pour reprendre lexemple de loperateur lineaire
(1.2.6), il est necessaire que les valeurs propres de la matrice D soient incluses `a linterieur du cercle unite
(crit`ere de Schur-Cohn, crit`ere de Jury [111],[125]) pour obtenir des proprietes de convergence de (1.2.5).
1.2.3 Mod`eles lineaires invariants `a retards discrets
Les retards discrets correspondent au cas o` u le support de x
t
et u
t
a une mesure nulle et peut se reduire
`a un nombre ni de point. Dans le cas des syst`emes lineaires invariants (en anglais Linear Time-Invariant,
LTI), les equations dierentielles `a retards discrets sont de la forme :
_
x(t) =

q
i=1
D
l
x(t
l
) +

r
j=0
(A
j
x(t
j
) +B
j
u(t
j
)),
y(t) =

r
j=0
C
j
x(t
j
),
(1.2.7)
o` u x R
n
, u R
m
et y R
p
representent respectivement le vecteur detat instantane [87], le vecteur de
commande et le vecteur de sortie du syst`eme,
0
= 0 et les matrices detat A
i
R
nn
, de commande B
i
R
nm
,
des termes neutres D
i
R
nn
et de sortie C
i
R
pn
sont des matrices constantes. Les retards
j
> 0 et
i
> 0,
bien que pouvant eventuellement varier
3
dans le temps, sont des retards discrets (ou ponctuels) en ce sens
que le syst`eme dierentiel (1.2.7) ne necessite, pour le calcul de x(t) `a linstant t, quune information discr`ete
sur letat fonctionnel x
t
et de sa derivee, dans le cas neutre.
Remarque 1.2.1 Le retard peut intervenir dune autre mani`ere dans les equations detats. On mentionne les
retards distribues qui font intervenir dans le syst`eme dequation (1.2.7) des termes de la forme
_
t
t
G()x()d.
Dans ce memoire, lanalyse de ces retards ne sera pas abordee. On pourra par exemple se referer `a [111]
pour quelques crit`eres concernant les syst`emes `a retards distribues et `a [153] pour leur application en tant que
predicteurs.
Dans le cas simplement retarde, le syst`eme (1.2.7) secrit :
_
x(t) =

r
i=0
(A
i
x(t
i
) +B
i
u(t
i
)),
y(t) =

r
i=0
C
i
x(t
i
).
(1.2.8)
3
Si le retard varie, le syst`eme nest plus `a proprement parler invariant (LTI) mais nous avons prefere cet abus de langage `a
une appellation plus lourde comme syst`emes lineaires `a gains constants et `a retards variables
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
14 Chapitre 1. Stabilite des syst`emes `a retards
1.2.4 Mod`eles non lineaires, non stationnaires
An de se rapprocher du comportement des processus reels, il nous parait interessant de proposer des mod`eles
dont les param`etres peuvent varier au cours du temps et avec letat. Les mod`eles non lineaires autorisent un
plus grand domaine danalyse puisque leur validite ne se reduit pas `a un voisinage du point dequilibre ou de la
trajectoire de reference. Ils permettent, apr`es transformations, de considerer des fonctionnements plus globaux.
La dierence avec les syst`emes lineaires est que les matrices A
i
, B
i
et C
i
deviennent des fonctions du
temps et/ou de letat et generalement continues (ou continues par morceaux) en leurs arguments. Les equations
denissant ces mod`eles, dans le cas dun retard simple (cest-`a-dire r = 1) sur letat et sur lentree, se presentent
de la mani`ere suivante [69] :
_
x(t) = A(t, x
t
)x(t) +B(t, x
t
)u(t)) +A

(t, x
t
)x(t ) +B

(t, x
t
)u(t )),
y(t) = C(t, x
t
)x(t),
(1.2.9)
An de faciliter letude de ces syst`emes, nous utiliserons deux modelisations sensiblement dierentes. La
premi`ere est la modelisation polytopique. Elle consiste `a exprimer les fonctions matricielles comme une somme
ponderee de matrices constantes. La seconde est la modelisation par syst`emes `a param`etres incertains.
Les mod`eles polytopiques
La modelisation polytopique [140] transforme un syst`eme de la forme (1.2.9) en un syst`eme multimod`ele,
cest-`a-dire une somme de mod`eles lineaires ponderes de facon non constante [140]. Ceci sexprime de la mani`ere
suivante [69] :
_
x(t) =

r
i=0

i
(t, x
t
) A
i
x(t) +B
i
u(t)) +A
,i
x(t ) +B
,i
u(t )) ,
y(t) =

r
i=0
(t, x
t
) C
i
x(t) ,
(1.2.10)
o` u les fonctions scalaires
i
(t, x
t
), pour i = 1, .., r, sont des fonctions de ponderation veriant les conditions de
convexite :

r
i=0

i
(t, x
t
) = 1 et i = 1, .., r,
i
(t, x
t
) 0. (1.2.11)
Si les fonctions matricielles A(t, x
t
), A

(t, x
t
), B(t, x
t
), B

(t, x
t
) sont continues, les fonctions
i
(t, x
t
) le
sont elles aussi. Par la suite, lobjectif sera de faire ressortir des proprietes communes `a tous les sous-mod`eles
lineaires
4
pour en deduire celles du syst`eme (1.2.10). Cette modelisation va notamment permettre delaborer
des conditions de stabilite exponentielle pour les syst`emes `a retards variables.
Les mod`eles `a param`etres incertains bornes en norme
La modelisation par param`etres incertains consid`ere que chaque fonction matricielle denissant le syst`eme
(1.2.9) est la somme dune matrice constante representant le comportement nominal et dune matrice dependant
de t et de x
t
representant les perturbations par rapport au syst`eme nominal. Il sexprime alors de la mani`ere
suivante :
_

_
x(t) = (A+ A(t, x
t
))x(t) + (A

+ A

(t, x
t
))x(t )
+(B + B(t, x
t
))u(t)) + (B

+ B

(t, x
t
))u(t )),
y(t) = (C + C(t, x
t
))x(t),
(1.2.12)
4
Le sous-mod`ele S
i
correspond au cas
i
= 1
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
1.2. MOD

ELISATION DES SYST


`
EMES
`
A RETARDS 15
o` u les matrices A, A

, B, B

et C sont des matrices constantes de dimension appropriee. Les matrices


representant les perturbations sont generalement presentees sous la forme [69] :
A(t, x
t
) = G(t, x
t
)D, A

(t, x
t
) = G

(t, x
t
)D

,
B(t, x
t
) = H(t, x
t
)E, B

(t, x
t
) = H

(t, x
t
)E

,
B(t, x
t
) = J(t, x
t
)F,
(1.2.13)
o` u (t, x
t
) est une matrice qui verie :
t,
T
(t, x
t
)(t, x
t
) I
n
. (1.2.14)
Les amplitudes de variation des coecients de perturbations sont ainsi reportees dans les matrices (G, D),
(G

, D

), (H, E), (H

, E

), (J, F). Cette representation est generalement utilisee dans le probl`eme de la synth`ese
de lois de commande [35]. Elle permet en eet de caracteriser la robustesse par rapport `a des incertitudes
parametriques. De plus, cette modelisation sera elle-aussi utile pour etablir dautres conditions de stabilite
exponentielle pour les syst`emes `a retards variables.
1.2.5 Mod`eles de retards
Dans cette partie, nous presenterons succinctement les dierents mod`eles de retards discrets que lon ren-
contre dans la litterature.
a) Retards constants : Les premi`eres etudes sur la stabilite des syst`emes `a retards concernaient principale-
ment des retards constants. On compte de nombreux crit`eres frequentiel [24], LMI [69], [111] developpes
pour des retards constants connus ou inconnus (`a borne connue ou non). Depuis le milieu des 90, dierentes
conditions, presentees sous forme LMI, de stabilite robuste de syst`emes lineaires `a retards constants mais
incertains ont ete developpees [86],[92] et [111]. Dans la plupart des cas reellement rencontres, seule une
partie recente du passe exerce une inuence sur le comportement du syst`eme. On parle alors dequations
`a retards majores ou bornes sil existe un nombre reel > 0 tel que dans les equations (1.2.1) et (1.2.4)
les fonctionnelles x
t
et x
t
sont denies sur lintervalle [, 0].
b) Retards variables majores : Comme la constance du retard est une hypoth`ese rarement veriee dans la
realite (communications internet [99] et mod`eles de vannes [4] pour ne citer que deux exemples), le cas
des retards variables (connus ou inconnus) a fait lui aussi lobjet de nombreuses recherches. On denit les
retards majores pour lesquels il existe un reel connu
2
> 0 tel que [79] :
0 (t)
2
. (1.2.15)
Certains auteurs rajoutent des conditions de regularite sur ces fonctions de retards, comme nous le verrons
dans cette description.
c) Retards variables bornes : Une grande partie des resultats existant supposent que les retards varient
dans un intervalle [0,
2
]. Or les retards apparaissant dans des processus reels sont le plus souvent dus `a
des phenom`enes de transfert dinformation ou de mati`ere. Le fait dautoriser le retard `a prendre la valeur
0 revient `a supposer qu`a un moment ce transfert se fait de mani`ere instantanee. Dans ce contexte et `a
condition bien s ur que cela conduise `a des crit`eres moins restrictifs, il parait interessant de se donner une
borne inferieure du retard pour ensuite se donner les moyens de mesurer son impact sur la stabilite du
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
16 Chapitre 1. Stabilite des syst`emes `a retards
syst`eme. On denit alors les retards bornes, les retards (t) pour lesquels il existe deux reels
1
et
2
tels
que :
0 <
1
(t)
2
. (1.2.16)
Ce nest que recemment que des chercheurs ont obtenus des solutions `a ce probl`eme [49], [54], [80]. La
methode proposee dans ces articles est identique. Elle consiste `a transformer le retard (t) en une somme de
deux retards. Le premier peut etre assimile `a un retard nominal et le second comme etant une perturbation
bornee par rapport au retard nominal.
d) Retards variables avec contrainte sur la derivee : De nombreux resultats necessitent une condition
sur la derivee de la fonction retard. On suppose alors quil existe un reel d tel que :
(t) d < 1. (1.2.17)
Si lon regarde la fonction f(t) = t (t), la condition precedente implique que f est une fonction
strictement croissante. Cela signie que les informations retardees arrivent dans un ordre chronologique.
e) Retards variables continus par morceaux : Ces retards apparaissent notamment lors de lechantillo-
nnage dun signal. Ce cas particulier autorise notamment la derivee du retard `a prendre la valeur 1 :
(critique au vu de la contrainte precedente).
(t) 1. (1.2.18)
Ce cas sera traite dans le Chapitre 4.
Generalement, les contraintes faites sur les retards sont des combinaison des dierents mod`eles presentes.
On trouve dans la litterature des resultats qui allient
Dans ce memoire, on evitera le plus souvent possible la contrainte d). Generalement notre travail sadressera
aux cas alliant b), c) et e)
1.3 Stabilite des syst`emes `a retards par la seconde methode de Lya-
punov
Dans cette partie, nous allons rappeler quelques resultats concernant la stabilite asymptotique des syst`emes
`a retards en se focalisant sur lapproche temporelle liee `a la seconde methode de Lyapunov.
1.3.1 Seconde methode de Lyapunov
Considerons le syst`eme suivant :
x(t) = f(t, x(t), x
t
),
x
t
0
() = (), pour [, 0],
(1.3.1)
dont nous supposerons quil admet une solution unique et un etat dequilibre x
t
= 0 (si le syst`eme admet un
autre point dequilibre, nous pouvons nous ramener par un changement de variables).
La seconde methode de Lyapunov repose sur lexistence dune fonction V denie positive telle que le long
des trajectoires de (1.3.1), on ait
dV
dt
< 0, si x ,= 0. Cette methode directe nest valable que pour une classe
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
1.3. STABILIT

E DES SYST
`
EMES
`
A RETARDS PAR LA SECONDE M

ETHODE DE LYAPUNOV 17
restreinte de syst`emes hereditaires car
dV
dt
depend des valeurs passees x
t
. Elle est donc tr`es dicile `a appliquer
dans le cas general des syst`emes `a retards. Deux extensions `a la seconde methode de Lyapunov ont alors ete
developpees dans le cadre des equations dierentielles `a retards. Dans le cas des equations ordinaires (cest-`a-dire
sans retard), la fonction V = V (t, x(t)) ne depend que darguments presents. Dans le cas retarde, deux types
dapproches sont possibles : V = V (t, x(t)) ou V = V (t, x
t
). Le premier cas conduit `a une diculte danalyse
liee au fait que la derivee depend des instants passees. Le second cas reporte cette diculte dans la conception
de la fonction V . Ces deux approches, respectivement developpees par Razumikhin et Krasovskii, vont etre
bri`evement rappelees dans les deux paragraphes suivants.
1.3.2 Approche par fonctions de Razumikhin
Dans cette approche, nous nous placerons dans R
n
en considerant une fonction de Lyapunov V (t, x(t))
classiques pour les equations dierentielles ordinaires. Toutefois le theor`eme suivant montre quil est inutile de
verier que

V (t, x(t)) 0 le long de toutes les trajectoires du syst`eme. Eectivement, ce test peut se restreindre
aux solutions qui ont tendance `a quitter un voisinage de V (t, x(t)) c du point dequilibre.
Theor`eme 1.3.1 [85] Soient u, v et w : R
+
R
+
des fonctions croissantes, telles que u() et v() soient
strictement positives pour tout > 0. Supposons que le champ de vecteur f de (1.3.1) est borne pour des valeurs
bornees de ses arguments.
Sil existe une fonction continue V : R R
n
R
+
telle que :
a) u(|(0)|) V (t, ) v(||),
b)

V (t, ) w(|(0)|) pour toutes les trajectoires de (1.3.1) veriant :
V (t +, (t +)) V (t, (t)), [, 0], (1.3.2)
alors la solution nulle de (1.3.1) est uniformement stable.
De plus si w() > 0 pour tout > 0 et sil existe une fonction p : R
+
R
+
strictement croissante avec
p() > pour tout > 0 telle que :
i) u(|(0)|) V (t, ) v(||),
ii)

V (t, ) w(|(0)|), pour toutes les trajectoires de (1.3.1) veriant :
V (t +, x(t +)) p(V (t, x(t))), [, 0], (1.3.3)
alors une telle fonction V est appelee fonction de Lyapunov-Razumikhin et la solution nulle de (1.3.1) est
uniformement asymptotiquement stable.
Dans la pratique, les fonctions p les plus souvent utilisees sont celles de la forme p = q o` u q est une constante
strictement superieure `a 1. de plus les fonctions de Lyapunov recherchees dans lapproche de Razumikhin sont
souvent des fonctions quadratiques de la forme :
V (t) = x
T
Px(t), (1.3.4)
o` u P est une matrice symetrique denie positive. Lequation (1.3.3) devient la plupart du temps :
x
T
(t +)Px(t +) qx
T
(t)Px(t), [, 0], et q > 1. (1.3.5)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
18 Chapitre 1. Stabilite des syst`emes `a retards
Ainsi dans lapproche de Lyapunov-Razumikhin, la negativite nest requise que pour les trajectoires qui, `a
linstant t, appartiennent `a un certain espace deni par levolution du syst`eme sur lintervalle [t , t].
Meme si lapproche Lyapunov-Razumikhin conduit generalement `a des resultats plus conservatifs que ceux
tires de lapproche de Lyapunov-Krasovskii, presentee au paragraphe suivant, elle permet de prendre en compte
des retards variables sans restriction sur la derivee du retard (1.2.17). Il a par ailleurs ete montre que, pour
des retards constants, lexistence dune fonction de Lyapunov-Razumikhin entrane celle dune fonctionnelle
de Lyapunov-Krasovskii [34]. Cependant, dans la litterature, la stabilite des syst`emes `a retards fait plus
generalement appel `a des fonctionnelles de Lyapunov-Krasovskii.
1.3.3 Approche par fonctionnelles de Krasovskii
La methode de Krasovskii est une extension de la seconde methode de Lyapunov pour les equations
dierentielles fonctionnelles. Elle consiste `a rechercher des fonctionnelles 1(t, x
t
) qui decroissent le long des
solutions de (1.3.1).
Theor`eme 1.3.2 [85] Soient u, v, w : R
+
R
+
des fonctions continues croissantes ; u() et v() sont
strictement positives pour > 0 et u(0) = v(0) = 0. Supposons que le champ de vecteur f de (1.3.1) soit borne
pour des valeurs bornees de ses arguments.
Sil existe une fonctionnelle continue 1 : R C R
+
telle que :
a) u(|(0)|) 1(t, ) v(||),
b)

1(t, ) w(|(0)|) pour tout t t
0
le long des trajectoires de (1.3.1),
alors la solution nulle de (1.3.1) est uniformement stable. Si de plus w() > 0 pour tout > 0, alors la solution
nulle de (1.3.1) est uniformement asymptotiquement stable.
Si 1 verie plutot les conditions :
i) u(|(0)|) 1(t, ) v(||),
ii)

1(t, ) w(|(0)|), pour tout t t
0
et w() > 0 pour tout > 0,
iii) 1 est lipschitzienne par rapport `a son second argument,
alors la solution nulle de (1.3.1) est exponentiellement stable.

1(t, ) est ici une derivee au sens de Dini,



1(t, ) = lim
0
+ sup
V(t+,x
t+
)V(t,x
t
)

.
Une telle fonctionnelle 1 est appelee fonctionnelle de Lyapunov-Krasovskii.
Lidee principale de ce theor`eme est donc de determiner une fonctionnelle 1 denie positive dont la derivee
le long des trajectoires de (1.3.1) est denie negative. Le principal probl`eme dans lapplication de ce theor`eme
est la conception, lorsquelle existe, de la fonctionnelle de Lyapunov-Krasovskii 1. Les fonctionnelles recherchee
sont generalement de la forme suivante ([88], section 2.2.2) :
1(t, ) =
T
(0)P(t)(0) +
T
(0)
_
_
0

Q(t, )()d
_
+
_
_
0


T
()Q
T
(t, )d
_
(0)
+
_
0

_
0


T
()R(t, , )()dd +
_
0


T
()S()()d,
(1.3.6)
o` u P, Q, R et S sont des matrices carrees de dimension n n. P(t) et S() sont symetriques denies positives.
R verie R(t, , ) = R
T
(t, , ). On suppose que chacun des elements de ces matrices est borne et admet une
derivee continue par morceaux et bornee.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
1.3. STABILIT

E DES SYST
`
EMES
`
A RETARDS PAR LA SECONDE M

ETHODE DE LYAPUNOV 19
Dans la pratique, la recherche de ces fonctions pose des probl`emes diciles `a resoudre. On pref`ere se res-
treindre aux fonctionnelles dont les fonctions matricielles P, Q et R sont des matrices constantes. On se propose
alors de trouver une fonctionnelle de Lyapunov-Krasovskii de la forme :
1(t, ) =
T
(0)P(0) +
_
0


T
()S()d +
T
(0)
_
0

Q()d
+
_
0

_
0


T
()R()dd,
(1.3.7)
o` u les matrices P, Q, R et S sont symetriques denies positives.
Remarque 1.3.3 Des recents travaux [54], [50], [68], [69] ont permis de reduire le conservatisme relatif au
choix des matrices P, Q et R constantes. La methode consiste `a denir des fonctions matricielles continues par
morceaux .
Tout au long de ce memoire, les probl`emes qui seront resolus feront intervenir une fonctionnelle de la forme
(1.3.7) pour des syst`emes de la forme (1.2.7), (1.2.10) et (1.2.12).
1.3.4 Extensions des theor`emes de Lyapunov
Les deux approches temporelles basees sur le second theor`eme de Lyapunov, combinees avec des methodes
doptimisation convexe appelees inegalites matricielles lineaires (voir les ouvrages generaux [13],[63] et lannexe
A), permettent detablir des crit`eres systematiques de stabilite et de stabilisation pour les syst`emes `a retard.
De nombreuses applications et extensions ont ete proposees :
Les probl`emes de la stabilite et de la stabilisation robuste vis-`a-vis dincertidudes parametriques sur le
mod`eles peuvent etre traites dune mani`ere analogue en utilisant des syst`emes de la forme (1.2.10) ou
(1.2.12).
Le cas de la commande H

, quelquefois traite en frequentiel [151], peut etre aussi etudie dans un cadre
temporel. Une loi de commande est construite pour assurer la stabilite robuste avec un certain taux
dattenuation des perturbations exog`enes [56], [91], [92].
La nesse de ces crit`eres est largement dependante du choix des fonctions, des fonctionnelles de Lyapunov
ou des diverses methodes de majoration conduisant `a des LMI.
La stabilisation `a co ut garanti.
La stabilisation en temps ni [106].
La stabilite entree-etat (ISS) [157], [69].
1.3.5 Deux transformations sur le mod`ele
Il est bien evident que notre objectif nest pas de presenter une liste exhaustive de crit`eres de stabilite et de
stabilisation de syst`emes `a retards. Cependant, nous presenterons dans la suite de ce chapitre, quelques crit`eres
de stabilite asymptotique et quelques techniques qui auront retenu notre attention.
Nous rappellerons des conditions permettant de caracteriser la stabilite asymptotique du syst`eme suivant :
_
x(t) = Ax(t) +A

x(t (t)),
x() = (), [
2
, 0].
(1.3.8)
Dans (1.3.8), le retard (t) sera considere comme constant, puis variant dans le temps majore et enn borne.
Les crit`eres que nous exposerons utilisent loutil LMI.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
20 Chapitre 1. Stabilite des syst`emes `a retards
Mod`ele descripteur
La modelisation descripteur (en anglais descriptor form) est une technique developpee en 2001 par E.
Fridman [47], [56], [57]. Lidee consiste `a reecrire le syst`eme (1.3.8) de la mani`ere suivante :
_
x(t) = z(t),
0 z(t) = z(t) +Ax(t) +A

(t, x
t
)x(t (t)).
(1.3.9)
En considerant maintenant la variable elargie x(t) = colx(t), z(t), on remarque que cette transformation
augmente la dimension du syst`eme etudiees sans rajouter de dynamiques additionnelles. .
Ensuite, en utilisant une fonctionnelle de Lyapunov-Krasovskii adaptee, on montre la stabilite asympto-
tique du syst`eme decrit par lequation (1.3.9) qui est equivalente `a celle decrite par lequation (1.3.8). Pour le
cas des syst`emes `a retards constants, la modelisation descripteur conduit aux conditions de stabilite asympto-
tique que nous rappellerons dans le lemme 1.3.4. Nous presenterons alors les avantages sur linteret dune telle
transformation dans la section suivante.
Transformation de Leibniz
Cette transformation [66], [67] est tr`es utile dans la construction de crit`eres de stabilite dependent du retard.
Elle permet decrire le syst`eme (1.3.8) comme un syst`eme `a retard distribue :
x(t (t)) = x(t)
_
t
t(t)
x(s)ds. (1.3.10)
La derivee x peut ensuite etre exprimee selon (1.3.8) et ce genre de transformations peut conduire `a des
modications importantes du syst`eme. Il est necessaire de sassurer de sa bonne utilisation. Par exemple, si
lon remplace x(s) dans (1.3.10) par son expression dans (1.3.8), on introduit des dynamiques additionnelles
[70][71] et on transforme le syst`eme initial soumis `a un retard variant dans [
2
, 0] `a un nouveau syst`eme
soumis `a un retard variant dans [2
2
, 0]. La denition des conditions initiales etant dierente, il faut sassurer
de la justication de cette modication. Pour plus de details, on se referera `a [111]. Dautre part, meme si de
nombreux eorts ont ete menes pour etudier le conservatisme introduit lors des calculs [127], [160], les theor`emes
rencontres peuvent etre conservatifs.
1.3.6 Stabilite asymptotique des syst`emes `a retards majores
Lemme 1.3.4 [57] Le syst`eme (1.3.8) est asymptotiquement stable pour tout retard constant inferieur `a
2
,
sil existe des matrices de dimension nn, symetriques denies positives P
1
, S et R, et des matrices de dimension
nn, P
2
, P
3
, Y
1
, Y
2
, Z
1
, Z
2
et Z
3
telles que les conditions LMI suivantes soient satisfaites :
_

1
P
T
_
0
A
1
_
Y
T
1
S
1
_

_
< 0,
_
R Y
Z
_
0, (1.3.11)
o` u les matrices Y , Z et
1
sont donnees par :

1
= P
T
_
0 I
n
A
0
I
n
_
+
_
0 I
n
A
0
I
n
_
T
P +
2
Z +
_
S 0
0
2
R
_
+
_
Y
0
_
+
_
Y
0
_
T
,
Y = [Y
1
Y
2
], Z =
_
Z
1
Z
2
Z
T
2
Z
3
_
.
(1.3.12)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
1.3. STABILIT

E DES SYST
`
EMES
`
A RETARDS PAR LA SECONDE M

ETHODE DE LYAPUNOV 21
Demonstration. La demonstration utilise une fonctionnelle de Lyapunov-Krasovskii de la forme :
V (t) = x
T
(t)EP x(t) +
_
t
t
2
x
T
(s)Sx(s)ds +
_
0

2
_
t
t+
z
T
(s)Rz(s)dsd, (1.3.13)
o` u E =
_
I
n
0
0 0
_
et o` u le vecteur x(t) est donne par colx(t), z(t). Pour plus de details, nous invitons le
lecteur `a se referer `a [57].
Dans le cas de syst`emes `a retards variables, on introduit la condition supplementaire (t) d < 1. On
obtient alors le lemme suivant :
Lemme 1.3.5 [57] Le syst`eme (1.3.8) est asymptotiquement stable pour tout retard variable veriant (t)
2
et (t) d < 1, sil existe des matrices de dimension nn, symetriques denies positives P
1
, S et R, et
des matrices de dimension nn, P
2
, P
3
, Y
1
, Y
2
, Z
1
, Z
2
et Z
3
telles que les conditions LMI suivantes soient
satisfaites :
_

1
P
T
_
0
A
1
_
Y
T
1
(1 d)S
1
_

_
< 0,
_
R Y
Z
_
0, (1.3.14)
o` u les matrices Y , Z et
1
sont donnees par (1.3.12).
Il est possible de reduire le conservatisme des conditions de stabilite asymptotique et aussi deliminer la
condition sur la derivee du retard (t) d < 1. Ceci sera illustre dans le paragraphe suivant.
1.3.7 Stabilite asymptotique des syst`emes `a retards bornes
Considerons le syst`eme neutre `a retard :
x(t) F x(t g(t)) = A
0
x(t) +A
1
x(t
1
(t)) +BKx(t
2
(t)),

i
(t) [
i

i
,
i
+
i
].
(1.3.15)
o` u les retards
i
sont de la forme
i
(t) =
i
+
i
(t), pour i = 1, 2 avec [
i
(t)[
i
. Les retards constants
i
sont
les valeurs nominales des retards
i
. Les fonctions
i
(t) representent des perturbations bornees autour du retard
nominal. Le retard g(t) du terme neutre satisfait `a la condition g(t) d
0
< 1.
Lemme 1.3.6 [49] Pour une matrice K donnee et sous reserve que la matrice F ait tous les modules de ses
valeurs propres strictement inferieurs `a 1, le syst`eme (1.3.15) est asymptotiquement stable pour tous retards
i
(t)
variant dans lintervalle [
i

i
,
i
+
i
], sil existe des matrices symetriques denies positives, de dimension
nn, P
1
, S
i
, U, R
i
et R
ia
et des matrices de dimension nn, P
2
, P
3
, Y
i1
, Y
i2
, Z
i1
, Z
i2
et Z
i3
, pour i = 1, 2,
telles que les conditions LMI suivantes soient satisfaites :
_

2
P
T
_
0
A
1
_
Y
T
1
P
T
_
0
BK
_
Y
T
2
P
T
_
0
F
_

1
P
T
_
0
A
1
_

2
P
T
_
0
BK
_
S
1
0 0 0 0
S
2
0 0 0
(1 d
0
)U 0 0

1
R
1a
0

2
R
2a
_

_
< 0,
(1.3.16)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
22 Chapitre 1. Stabilite des syst`emes `a retards
_
R
i
Y
i
Z
i
_
0, i = 1, 2, (1.3.17)
o` u les matrices Y
i
, Z
i
et
2
sont donnees par :

2
=
n
+
_
0 0
0

2
i=1
2
i
R
ia
_
,

n
= P
T
_
0 I
n
A
0
I
n
_
+
_
0 I
n
A
0
I
n
_
T
P +

2
i=1

i
Z
i
+
_

2
i=1
S
i
0
0

2
i=1

i
R
i
+U
_
+

2
i=1
_
Y
i
0
_
+

2
i=1
_
Y
i
0
_
T
,
Y
i
= [Y
i1
Y
i2
], Z
i
=
_
Z
i1
Z
i2
Z
i3
_
(1.3.18)
Demonstration. La preuve de ce lemme utilise la modelisation descripteur et une fonctionnelle de Lyapunov-
Krasovskii adaptee. Elle peut se diviser en deux parties. La premi`ere consiste `a tester la stabilite asymptotique
du syst`eme soumis au retard nominal en utilisant la fonctionnelle suivante provenant du Lemme 1.3.4 :
V
n
(t) = x
T
(t)EP x(t) +

2
i=1
_
0

i
_
t
t+
x
T
(s)R
i
x(s)dsd +

2
i=1
_
t
t
i
x
T
(s)S
i
x(s)ds. (1.3.19)
La seconde etape consiste `a tester la robustesse de la precedente par rapport aux perturbations
i
(t) du
retard nominal. On ajoute alors la fonctionnelle suivante :
V
a
(t) =

2
i=1
_

i
_
t
t+
i
x
T
(s)R
ia
x(s)dsd. (1.3.20)
Les conditions de stabilite asymptotique du syst`eme complet sont determiner `a laide de la fonctionnelle :
V (t) = V
n
(t) +V
a
(t). (1.3.21)
On remarque que dans ce lemme, les conditions sur les retards sont dierentes. Les retards sur letat sont
bornes mais ne sont soumis `a aucune contrainte sur leur derivee. En revanche, le retard du terme neutre nest
pas majore mais nest soumis qu`a une contrainte classique sur la derivee du retard. Ceci montre la diversite
des contraintes sur les retards et, par consequent, des crit`eres que lon peut rencontrer dans la litterature.
1.4 Conclusion
Dans ce chapitre, nous avons presente le contexte des syst`emes `a retards. Leur apparition frequente dans
la modelisation des phenom`enes physiques a suscite linteret de nombreux chercheurs. Apr`es avoir presente les
mod`eles de syst`emes `a retards lies `a notre travail, nous avons rappele des conditions de stabilite asymptotique
qui permettent den tester la convergence.
Nous pouvons remarquer que, dans le cas des retards variables, ces resultats concernent la stabilite asympto-
tique. Meme si, dans le cas des syst`emes lineaires `a retards sans incertitudes sur les retards et sur les param`etres,
les notions de stabilite asymptotique et exponentielle sont equivalentes [87]
5
, dans le cas general (non lineaire,
5
De plus dans ce cas, il faut remarquer que le taux de convergence exponentielle nest pas connu a priori, meme si son existence
est garantie.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
1.4. CONCLUSION 23
non stationnaire, retard variable) cette equivalence ne tient plus. Or lstabilite (ou stabilite exponentielle `a
taux garanti) est une propriete de performance en rapidite et il convient de pouvoir letudier dans des cas
realistes de fonctionnement. Cest cette lacune que nous tenterons de combler dans le chapitre suivant.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
24 Chapitre 1. Stabilite des syst`emes `a retards
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Chapitre 2
Stabilite exponentielle des syst`emes
lineaires
2.1 Preliminaires
La plupart des resultats existants concerne la stabilite asymptotique des syst`emes `a retards variables ou
constants [127]. Mais il peut etre plus pertinent pour des probl`emes dobservations, de syst`emes controles `a
travers un reseau ou `a distance, de garantir une convergence exponentielle car elle permet dassurer une rapidite
de convergence. Recemment, quelques auteurs se sont investis dans lelaboration de crit`eres garantissant une
convergence exponentielle pour les syst`emes `a retards [82], [98],[104], [110], [113]. Cependant ces resultats sont
bien souvent limites au cas des retards constants ou conduisent `a des resultats conservatifs. Or dans la majorite
des cas, par exemple dans les lignes de communications `a travers des reseaux internet, le retard ne peut etre
reduit au seul cas du retard constant.
La motivation de ce chapitre qui se consacre `a l-stabilite, la stabilite et `a la stabilisation exponentielle `a
taux garanti de syst`emes lineaires `a retards est donc claire. Les approches presentees utilisent les techniques des
fonctionnelles de Lyapunov-Krasovskii et le mod`ele descripteur qui ont ete presentes dans le chapitre precedent
mais aussi dans [57], [58] pour la stabilite et la stabilisation asymptotique. Lidee principale de ce chapitre est
de reecrire le syst`eme en utilisant une nouvelle variable. Ce changement de variables ajoute des incertitudes sur
le syst`eme provenant des incertitudes sur le retard. An de determiner des conditions de stabilite exponentielle,
dierentes approches seront proposees. Une modelisation du syst`eme sous forme polytopique introduite dans
[130] permettra delaborer des premi`eres conditions de stabilite et de stabilisation exponentielle. Ensuite une
approche par des incertitudes bornees en norme (Norm-Bounded Uncertainties) permettra dobtenir dautres
conditions de stabilite exponentielle. Ce chapitre sorganise de la mani`ere suivante.
Une premi`ere partie concernant la stabilite exponentielle `a taux de convergence garanti des syst`emes lineaires
`a retards constants. Elle nous permettra de situer les dierentes approches existant dans la litterature. Une
seconde partie est consacree au cas des syst`emes lineaires `a retards variables et majores avec des extensions au
cas des syst`emes `a retards multiples et au probl`eme de la stabilisation `a co ut quadratique garanti. Une troisi`eme
partie correspond `a letude des syst`emes `a retards bornes. Enn le cas particulier des syst`emes neutres `a retards
constants sera le sujet de la derni`ere partie.
25
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
26 Chapitre 2. Stabilite exponentielle des syst`emes lineaires
Reprenons la denition de [113], pour tout > 0, un syst`eme `a retards est dit stable, ou exponentielle-
ment stable et de degre de convergence , sil existe un reel 1 tel que les solutions x(t; t
0
, ), pour toute
condition initiale , verient :
[x(t, t
0
, )[ [[e
(tt
0
)
. (2.1.1)
Cela revient `a determiner une enveloppe exponentielle des trajectoires dun syst`eme.
2.2 Cas des retards constants
Cette section est consacree `a la classe des syst`emes denis par des equations dierentielles aux dierences de
type retarde `a coecients et `a retards constants. Sans perte de generalite, nous considerons le syst`eme soumis
`a un seul retard suivant :
_
x(t) = A
0
x(t) +A
1
x(t ),
x(s) = (s), s [, 0],
(2.2.1)
o` u x R
n
, u R
m
sont respectivement les vecteurs detat, de commande. (

= C
0
([
2
, 0], R
n
) represente
la fonction des conditions initiales. Les matrices A
0
et A
1
sont supposees connues, constantes et de dimension
appropriee. Il est connu que, pour un tel syst`eme, les proprietes de stabilite asymptotique et exponentielle
sont equivalentes. Cependant il est souvent important en pratique de se xer un cahier des charges. Parmi ces
specications, on peut se donner un degre de convergence minimal. Lidee directrice de cette partie est de savoir
si pour une valeur de > 0, un syst`eme `a retard est stable. Dans ce cadre, il existe dierentes techniques
qui permettent de determiner si un syst`eme `a retards poss`ede un degre de convergence xe a priori. Nous
donnerons dans cette section trois exemples de telles techniques.
Premi`ere technique : Theorie de Lyapunov et comparaison. Lstabilite du syst`eme (2.2.1 est prou-
vee sil existe une fonctionnelle de Lyapunov V veriant les proprietes suivantes : Il existe des reels positifs
r, a
m
et a
M
tels que :
a
m
[(0)[
r
V () a
M
||
r
, (2.2.2)
et

V () rV ().
En eet en appliquant le principe de comparaison, le long des trajectoires de (2.2.1), V est majoree
exponentiellement :
V (x
t
) V ()e
r(tt
0
)
.
En utilisant la condition (2.2.2), il vient
a
m
[x(t)[
r
V ()e
r(tt
0
)
a
M
||
r
e
r(tt
0
)
.
On retrouve alors la condition (2.1.1) avec = (a
M
/a
m
)
1/r
.
Cette approche a ete exploitee par [82] et [104] pour les syst`emes `a retards constants et les syst`emes
neutres.
Deuxi`eme technique : Methode du changement de variable. Lidee de cette technique est de faire in-
tervenir une nouvelle variable x

(t) = x(t)e
(tt
0
)
. Lobjectif est alors de montrer que si la solution x

(t)
est asymptotiquement stable pour xe, alors le syst`eme est stable. La preuve suit les etapes suivantes :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.2. CAS DES RETARDS CONSTANTS 27
Si le syst`eme en x

(t) est uniformement stable alors, pour tout > 0 quelconque, il existe un reel > 0
tel que :
|| < [x

(t, )[ < .
Il sut alors dutiliser la propriete de linearite du syst`eme :
x

(t, ) =
2||

(t,

2||
)
Comme

2
est de norme inferieure `a , on a
[x

(t, )[ <
2||

,
et donc
[x(t, )[ <
2||

e
(tt
0
)
.
On remarque limportance de luniformite de la stabilite de x

Troisi`eme technique : Mod`ele de comparaison & inegalite dierentielle. [9], [24], [109] Cette technique
utilise des mod`eles simplies auxquels seront compares les performances du syst`eme `a etudier. Elle requi`ere
les notions de mesures et de normes de matrices.
Dans la suite de ce memoire nous utiliserons la methode du changement de variables pour obtenir des
propriete dstabilite. Ainsi en utilisant le changement de variable x

(t) = x(t)e
t
, le syst`eme secrit alors :
x

(t) = (A
0
+I
n
)x

(t) +e

A
1
x

(t ). (2.2.3)
On peut directement appliquer les theor`emes de stabilite asymptotique des syst`emes `a retards constants.
Ainsi, le theor`eme suivant est une application directe de [57] :
Theor`eme 2.2.1 Le syst`eme (2.2.1) est exponentiellement stable avec un taux de convergence, sil existe des
matrices de dimension nn, P
1
, S et R symetriques denies positives et P
2
, P
3
, Z
1
, Z
2
, Z
3
, Y
1
, Y
2
, telles que
les conditions LMI suivantes soient satisfaites :

1
=
_

_
P
T
_
0
e

A
1
_

_
Y
T
1
Y
T
2
_
S
_

_
< 0, (2.2.4)
et
_

_
R Y
1
Y
2
Z
1
Z
2
Z
3
_

_
0, (2.2.5)
o` u on denit la matrice P =
_
P
1
0
P
2
P
3
_
et :
= P
T
_
0 I
n
A
0
+I
n
I
n
_
+
_
0 I
n
A
0
+I
n
I
n
_
T
P +Z +
_
S +Y
1
+Y
T
1
Y
2
Y
T
2
R
_
, (2.2.6)
Demonstration. La demonstration est basee sur le Theor`eme 1.3.4 [57] presente dans le Chapitre 1 applique
au syst`eme `a retard et `a coecients constants (2.2.3).
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
28 Chapitre 2. Stabilite exponentielle des syst`emes lineaires
2.3 Cas des retards variables majores
Considerons le syst`eme `a retard sur letat et sur lentree :
_
x(t) = A
0
x(t) +A
1
x(t (t))
x(s) = (s), s [
2
, 0]
(2.3.1)
o` u x IR
n
, u IR
m
sont respectivement les vecteurs detat, de commande. (

2
represente le vecteur des
conditions initiales. Les matrices A
0
et A
1
sont supposees connues, constantes et de dimension appropriee. Nous
supposerons que le retard est majoree et verie la relation suivante :
0 (t)
2
. (2.3.2)
2.3.1 Stabilite exponentielle
Dans cette partie nous etudierons uniquement lstabilite du syst`eme libre, cest-`a-dire sans commande
(2.3.1). Le changement de variable x

= x(t)e
t
conduit `a lequation dierentielle :
x

(t) = (A
0
+I
n
)x

(t) +e
(t)
A
1
x

(t (t)). (2.3.3)
La principale diculte du developpement dun crit`ere de convergence pour (2.3.3) provient de la matrice
associee au terme retarde e
(t)
A
1
. En eet le changement de variables x

= x(t)e
t
transforme le syst`eme initial
en un syst`eme `a coecients variant dans le temps. Les resultats sur la convergence de syst`emes lineaires `a retards
ne sont plus desormais applicables. Cependant, comme les elements variant dans le temps sont uniquement des
fonctions scalaires, il est possible reecrire autrement, ce qui permettra delaborer des conditions de stabilite du
syst`eme (2.3.3).
Modelisation polytopique
Il est possible de passer outre la diculte du au terme e
(t)
en remarquant que la fonction e
(t)
est bornee.
En eet, sachant que le retard (t) est borne car il verie (2.3.2), on deduit que le terme e
(t)
secrit comme
une somme convexe de ses bornes qui sont
1
= e
0
= 1 et
2
= e

2
:
e
(t)
=
1
(t)
1
+
2
(t)
2

1
(t),
2
(t) 0 et
1
(t) +
2
(t) = 1.
(2.3.4)
Les fonctions scalaires
1
= (e
(t)

1
)/(
2

1
) et
2
= (
2
e
(t)
)/(
2

1
) dependent uniquement de
la valeur du retard inconnu (t). Ainsi ces fonctions sont elles aussi inconnues. On sait juste quelles verient la
condition de convexite (2.3.4). En utilisant la modelisation polytopique de la fonction e
(t)
, le syst`eme (2.3.3)
est represente par un mod`ele polytopique :
x

(t) = (A
0
+I
n
)x

(t) +

2
i=1

i
(t)
i
A
1
x

(t (t))
ou encore
x

(t) =

2
i=1

i
(t) (A
0
+I
n
)x

(t) +
i
A
1
x

(t (t)) (2.3.5)
La formule de Leibniz, qui, pour tout signal continue et derivable y, permet decrire y(t (t)) = y(t)
_
t
t(t)
y(s)ds, conduit `a :
x

(t) =

2
i=1

i
(t)
_
(A
0
+I
n
+
i
A
1
)x

(t)
i
A
1
_
t
t(t)
x

(s)ds
_
(2.3.6)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR

ES 29
An danalyser la stabilite exponentielle, le syst`eme (2.3.6) est presente sous forme polytopique et maintenant
descripteur :
E

x

(t) =
_
0 I
n

2
i=1

i
(t)
i
I
n
_
x

(t)
_
0

2
i=1

i
(t)
i
A
1
_
_
t
t(t)
x

(s)ds (2.3.7)
avec x

(t) = colx

(t), x

(t), E = diagI
n
, 0. En utilisant cette representation polytopique et descripteur,
on peut donner le resultat suivant :
Theor`eme 2.3.1 Le syst`eme (2.3.1) est -stable pour tout retard variable (t) veriant (2.3.2), sil existe
des matrices de dimension n n P
1
, R symetriques denies positives et des matrices P
2
, P
3
, satisfaisant les
conditions LMI suivantes pour i = 1, 2 :

i
=
_

i
0

2
P
T
_
0
A
1

i
_

2
R
_

_
< 0, (2.3.8)
o` u

i
0
= P
T
_
0 I
n

i
I
n
_
+
_
0 I
n

i
I
n
_
T
P +
_
0 0
0
2
R
_
, (2.3.9)
et o` u
P =
_
P
1
0
P
2
P
3
_
,

1
= 1,
2
= e

2
,

i
= A
0
+I
n
+
i
A
1
.
Demonstration. On introduit alors la fonctionnelle de Lyapunov-Krasovskii suivante :
V ( x

(t)) = x
T

(t)EP x

(t) +
_
0

2
_
t
t+
x
T

(s)R x

(s)dsd, (2.3.10)
Cette fonctionnelle est bien denie positive car on remarque que x
T

(t)EP x

(t) = x
T

(t)P
1
x

(t). Sachant
que EP = P
T
E, le calcul de la derivee temporelle de la fonctionnelle donne :

V (t) = x
T

(t)
0
(t) x

(t) +
0
(t) +
2
x
T

(t)R x

(t)
_
t
t
2
x
T

(s)R x

(s)ds, (2.3.11)
o` u

0
(t) =
2

i=1

i
(t)
_
_
_
P
T
_
0 I
n

i
I
n
_
+
_
0 I
n

i
I
n
_
T
P
_
_
_
,

0
(t) = 2
2

i=1

i
(t)
_
_
t
t(t)
x
T

(t)P
T
_
0

i
A
1
_
x

(s)ds
_
.
En utilisant la majoration classique, qui, pour toute matrice de dimension n n R denie positive et pour
tous vecteurs a et b de R
n
, permet decrire :
2a
T
b a
T
R
1
a +b
T
Rb.
Ainsi en utilisant le fait que le retard
2
est majore (2.3.2), on obtient :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
30 Chapitre 2. Stabilite exponentielle des syst`emes lineaires

0
(t)

2
i=1

i
(t)
_
_
_

2
x
T

(t)P
T
_
0

i
A
1
_
R
1
_
0

i
A
1
_
T
P x

(t)
+
_
t
t(t)
x
T

(s)R x

(s)ds
_
.
On en deduit la majoration suivante :

V (t) x
T

(t)
_
_

2
i=1

i
(t)
_
_
_
P
T
_
0 I
n

i
I
n
_
+
_
0 I
n

i
I
n
_
T
P
+
_
0 0
0
2
R
_
+
2
P
T
_
0

i
A
1
_
(
2
R)
1
_
0

i
A
1
_
T
P
2
_
_
_
_
_
x

(t)
+

2
i=1

i
(t)
_
_
t
t(t)
x
T

(s)R x

(s)ds
_

_
t
t
2
x
T

(s)R x

(s)ds.
Or la condition de convexite des fonctions
i
(2.3.4) et la condition sur le retard (2.3.2) permettent deliminer
les termes integrales, ce qui permet decrire nalement :

V (t) x
T

(t)
_
_

2
i=1

i
(t)
_
_
_
P
T
_
0 I
n

i
I
n
_
+
_
0 I
n

i
I
n
_
T
P
+
_
0 0
0
2
R
_
+
2
P
T
_
0

i
A
1
_
(
2
R)
1
_
0

i
A
1
_
T
P
2
_
_
_
_
_
x

(t).
Ensuite, en appliquant le complement de Schur au dernier terme de linegalite, le probl`eme de la negativite
de la derivee de la fonctionnelle est exprimee `a laide les conditions LMI (2.3.8). Ainsi si ces conditions sont
satisfaites, la derivee de la fonctionnelle de Lyapunov-Krasovskii est denie negative. Le syst`eme (2.3.3) est
alors asymptotiquement stable. Le syst`eme (2.3.1) est donc stable.
Le resultat suivant utilise la meme fonctionnelle de Lyapunov-Krasovskii mais presente une autre technique
de majoration de la fonction
0
(t).
Theor`eme 2.3.2 Le syst`eme (2.3.1) est -stable pour tout retard variable (t)
2
, sil existe des matrices de
dimension n n, P
2
, P
3
, Z
i
1
, Z
i
2
, Z
i
3
, pour i = 1, 2, et deux matrices symetriques denies positives P
1
> 0 et
R > 0 qui verient les conditions LMI suivantes pour i = 1, 2 :

i
< 0 et
_
_
R
_
0
i
A
T
1
_
P
Z
i
_
_
0, (2.3.12)
avec
P =
_
P
1
0
P
2
P
3
_
, Z
i
=
_
Z
i
1
Z
i
2
Z
iT
2
Z
i
3
_
,
et

i
= P
T
_
0 I
n

i
I
n
_
+
_
0 I
n

i
I
n
_
T
P +
2
Z
i
+
_
0 0
0
2
R
_
,

i
= I
n
+A
0
+
i
A
1
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR

ES 31
Demonstration. La fonctionnelle de Lyapunov-Krasovskii candidate est toujours la fonctionnelle denie
dans (2.3.10). Le raisonnement est identique `a la demonstration du Theor`eme 2.3.1 jusqu`a lequation (2.3.11).
Le terme
0
doit etre majore pour garantir la negativite de

V . Une majoration, a priori moins conservative
utilise la condition :
_
R N
N
T
Z
_
0,
qui permet decrire que, pour tous vecteurs a et b et pour toutes matrices N, R et Z de dimension appropriee,
les inegalites suivantes :
_
a
b
_
T
_
R N
N
T
Z
__
a
b
_
0, 2a
T
N
T
b a
T
Ra +b
T
Zb
,
Sachant que
0
secrit sous forme polytopique, il est alors necessaire de determiner une majoration de chacun
des polytopes, des sous mod`eles du syst`eme. En posant N =
_
0
i
A
T
1
_
P :
_
_
R
_
0
i
A
T
1
_
P
Z
i
_
_
0, i = 1, 2,
qui, avec les conditions de convexite (2.3.4), a = x

(s) et b = x

(t), donne

0
(t)
_
t
t(t)
_
x
T

(t)
_

2
i=1

i
(t)Z
i
_
x

(t) + x
T

(s)R x

(s)
_
,
puis, en integrant par rapport `a la variable s entre t
2
et t et en majorant le retard avec (2.3.2), conduisent :

0
(t)
2
x
T

(t)
_

2
i=1

i
(t)Z
i
_
x

(t) +
_
t
t
2
x
T

(s)R x

(s)ds,
avec R, Z
1
et Z
2
satisfaisant `a (2.3.12b). On en deduit une autre majoration de (2.3.11) :

V (t) x
T

(t)(t) x

(t),
avec
(t) =
0
(t) +
2
_
2

i=1

i
(t)Z
i
_
+
_
0 0
0
2
R
_
.
Le syst`eme (2.3.3) est asymptotiquement stable si la matrice (t) est symetrique denie negative. En ecrivant
(t) sous forme polytopique, la negativite de

V necessite :
2

i=1

i
(t)
i
< 0.
Lensemble des matrices symetriques denies negatives etant convexe, si chacune des matrices
i
est denie
negative, il en sera de meme pour (t). La stabilite asymptotique du syst`eme transforme (2.3.3) est prouvee, car
V est une fonctionnelle de Lyapunov-Krasovskii. Il sen suit que le syst`eme initial (2.3.1) est exponentiellement
stable de degre .
A ce stade, on remarque que les Theor`emes (2.3.1) et (2.3.2) dstabilite necessitent la resolution dun
probl`eme double de conditions LMI. Du fait que la modelisation polytopique transforme le syst`eme initial en
la somme de deux syst`emes lineaires `a param`etres constants. Il faut tester la stabilite de chacun de ces deux
sous-syst`emes.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
32 Chapitre 2. Stabilite exponentielle des syst`emes lineaires
Modelisation avec incertitudes param`etriques
Reprenons lequation dierentielle (2.3.3) exprimee `a laide de la variable x

. On ecrit le terme exponentielle


sous forme dun mod`ele incertain, cest-`a-dire comme la somme dun terme constant representant la valeur
nominale et dun terme variant dans le temps mais borne representant la perturbation par rapport `a cette
valeur nominale. On obtient alors :
e
(t)
=
m
+ (t)
d
,
o` u (t) est une fonction reelle inconnue et dependant de la valeur du retard veriant |(t)| 1 et o` u les
param`etres sont donnes par
m
= (e

2
+1)/2 et
d
= (e

2
1)/2. La formule de Leibniz permet de transformer
le terme retarde en integrale de la mani`ere suivante :
x

(t) = (A
0
+I
n
+ (
m
+ (t)
d
)A
1
)x

(t) (
m
+ (t)
d
)A
1
_
t
t(t)
x

(s)ds. (2.3.13)
On ecrit alors le syst`eme (2.3.13) sous la forme descripteur en denissant la variable elargie x

= colx

, x

:
E

x

(t) =
_
0 I
n
A
0
+I
n
+
m
A
1
I
n
_
x

(t) +
_
0
(t)
d
A
1
_
x

(t)

_
0

m
A
1
_
_
t
t(t)
x

(s)ds
_
0
(t)
d
A
1
_
_
t
t(t)
x

(s)ds.
(2.3.14)
On introduit alors la fonctionnelle de Lyapunov-Krasovskii :
V

(t) = x
T

(t)EP x

(t) +
_
0

2
_
t
t+
x
T

(s)(R
m
+R
d
) x

(s)dsd. (2.3.15)
qui, en dierenciant (2.3.15) le long des trajectoires de (3.3.14) conduit alors `a linegalite :

(t) = x
T

(t)
_
_
_
P
T
_
0 I
n
A
0
+I
n
+
m
A
1
I
n
_
+
_
0 I
n
A
0
+I
n
+
m
A
1
I
n
_
T
P
_
_
_
x

(t)
+
0
(t) +
1
(t) +
2
(t) + x
T

(t)(R
m
+R
d
) x

(t)
_
t
t
2
x
T

(s)(R
m
+R
d
) x

(s)ds.
o` u

0
(t) = 2 x
T

(t)P
T
_
0
(t)
d
A
1
_
x

(t),

1
(t) = 2 x
T

(t)P
T
_
0

m
A
1
_
_
t
t(t)
x

(s)ds,

2
(t) = 2 x
T

(t)P
T
_
0
(t)
d
A
1
_
_
t
t(t)
x

(s)ds.
(2.3.16)
En utilisant les deux techniques de majoration des fonctions
i
, pour i = 1, 2, 3, presentees dans lapproche
par mod`eles polytopiques, on obtient deux theor`emes de stabilite exponentielle :
Theor`eme 2.3.3 Le syst`eme (2.3.1) est stable pour tout retard (t) satisfaisant (2.3.2), sil existe des
matrices de R
nn
P
1
, R
0
, R
m
et R
d
, symetriques denies positives et P
2
et P
3
telles que la condition LMI
suivante soit realisee :
_

0
P
T
_
0

d
A
1
_

2
P
T
_
0

m
A
1
_

2
P
T
_
0

d
A
1
_
R
0
0 0

2
R
m
0

2
R
d
_

_
< 0 (2.3.17)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR

ES 33
o` u

0
= P
T
_
0 I
n
A
0
+I
n
+
m
A
1
I
n
_
+
_
0 I
n
A
0
+I
n
+
m
A
1
I
n
_
T
P
+
_
R
0
0
0
2
(R
m
+R
d
)
_
,

m
= (e

2
+ 1)/2,
d
= (e

2
1)/2.
Demonstration. En appliquant la majoration standard, les fonctions
0
,
1
et
2
verient les inegalites
suivantes :

0
(t) x

(t)
T
P
T
_
0
(t)
d
A
1
_
R
1
0
_
0
(t)
d
A
1
_
T
P x

(t) +x
T

(t)R
0
x

(t),

1
(t)
2
x

(t)
T
P
T
_
0

m
A
1
_
R
1
m
_
0

m
A
1
_
T
P x

(t) +
_
t
t(t)
x
T

(s)R
m
x

(s)ds,

2
(t)
2
x

(t)
T
P
T
_
0
(t)
d
A
1
_
R
1
d
_
0
(t)
d
A
1
_
T
P x

(t) +
_
t
t(t)
x
T

(s)R
d
x

(s)ds.
(2.3.18)
On en deduit nalement :

(t) x
T

(t)
_
_
_

0
+P
T
_
0

d
A
1
_
R
1
0
_
0

d
A
1
_
T
P +
2
P
T
_
0

m
A
1
_
R
1
m
_
0

m
A
1
_
T
P
+
2
P
T
_
0

d
A
1
_
R
1
d
_
0

d
A
1
_
T
P
_
_
_
x

(t).
Enn en appliquant le lemme de Schur aux trois derniers termes de linegalite, on retrouve la condition
(2.3.17). Ainsi le syst`eme (2.3.3) est asymptotiquement stable et par consequent que le syst`eme initial (2.3.1)
est exponentiellement stable avec un degre de convergence garanti.
De la meme mani`ere que dans lapproche par mod`ele polytopique, il est possible daboutir `a dautres condi-
tions avec de nouvelles majorations des fonctions
i
(t) pour i = 1, 2 et 3.
Theor`eme 2.3.4 Le syst`eme (2.3.1) est stable pour tout retard (t) satisfaisant (2.3.2), sil existe des
matrices de dimension nn, P
1
, R
m
, R
d
, symetriques denies positives, des matrices P
2
et P
3
et deux matrices
symetriques de dimension 2n 2n, Z
m
et Z
d
, telles que les conditions LMI suivantes soient realisees :

1
< 0, (2.3.19)
et
_
_
R
i
_
0
i
A
T
1
_
P
Z
i
_
_
0, i = m, d, (2.3.20)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
34 Chapitre 2. Stabilite exponentielle des syst`emes lineaires
o` u

1
= P
T
_
0 I
n
A
0
+I
n
+
m
A
1
I
n
_
+
_
0 I
n
A
0
+I
n
+
m
A
1
I
n
_
T
P
+
_
R
d
0
0
2
(R
m
+R
d
)
_
+Z
d
+
2
(Z
m
+Z
d
),

m
= (1 +e

2
)/2,
d
= (e

2
1)/2.
Demonstration.
La demonstration suit le meme cheminement que pour le Theor`eme 2.3.3 mais utilise une autre majoration.
Les LMI (2.3.20) permettent de majorer les fonctions
i
pour i = 0, 1, 2 dans (3.3.17). On obtient alors :

0
(t) x

(t)
T
Z
d
x

(t) +x
T

(t)R
d
x

(t),

1
(t)
2
x

(t)
T
Z
m
x

(t) +
_
t
t(t)
x
T

(s)R
m
x

(s)ds,

2
(t)
2
x

(t)
T
Z
d
x

(t) +
_
t
t(t)
x
T

(s)R
d
x

(s)ds.
Si les conditions LMI (2.3.20) sont veriees, on obtient alors

(t) x
T

(t)
1
x

(t).
Ainsi, si les conditions (2.3.19) est veriee, la stabilite du syst`eme (2.3.3) et la stabilite exponentielle de
(2.3.1) sont demontrees.
On remarque que lorsquon choisit = 0 dans les theor`emes precedents, on montre que le syst`eme est
asymptotiquement stable.
Par rapport `a lapproche par mod`ele polytopique, on remarque quelques dierences. Lapproche polytopique
impose aux memes variables matricielles de satisfaire `a deux conditions LMI distinctes. Dautre part, lapproche
par mod`ele incertain augmente la dimension de lunique condition LMI.
2.3.2 Exemple de comparaison
Considerons le syst`eme suivant ([97],[154]) :
x(t) =
_
3 2
1 0
_
x(t) +
_
0.5 0.1
0.3 0
_
x(t (t)). (2.3.21)
On teste lstabilite de ce syst`eme en utilisant les Theor`emes 2.3.1, 2.3.2, 2.3.4 et 2.3.3. Les resultats sont
donnes dans le Tableau 2.1 o` u lon recherche la plus grande valeur de
2
qui verie les conditions du theor`eme
considere : Le Tableau 2.1 presente les resultats des conditions de stabilite exponentielle du syst`eme (2.3.22).
On peut dej`a remarquer que les Theor`emes 2.3.1 et 2.3.2 donnent des resultats identiques. Lapproche par
mod`eles polytopiques parait moins conservative. Il est possible de trouver des solutions aux quatre probl`emes
jusqu`a = 1. Cela correspond au cas critique o` u la matrice A
0
+ I
n
+
1
A
1
, dans lapproche polytopique,
et A
0
+I
n
+
m
A
1
, dans lapproche par mod`ele incertain, nest plus de Hurwitz (cest-`a-dire quand la partie
reelle dune valeur propre de cette matrice devient nulle). Dautre part, le crit`ere de [104] (pour des retards
constants) ne permet pas de garantir lstabilite du syst`eme (2.3.21). Cela vient du fait que la matrice A
0
nest pas de Hurwitz. Ainsi les resultats presentes dans cette partie ont un champ applicatif plus important que
ceux trouves dans la litterature dans la mesure o` u il prend en compte les variations du retard.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR

ES 35
delay type 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2.0
Mondie et al [104] C 0.911 0.861 0.800 0.734 0.671 0.614 0.564 0.5202 0.4818 0.4481
Liu [97] C 0.590 0.340 0.181 0.0752 0.0014 0
Xu et al [154] C 0.972 0.963 0.951 0.936 0.919 0.899 0.811 0.6990 0.6148 0.5494
Theor`eme 2.3.1 V 0.972 0.963 0.950 0.935 0.590 0.340 0.181 0.0752 0.014 0
Theor`eme 2.3.2 V 0.972 0.963 0.950 0.935 0.590 0.340 0.181 0.0752 0.014 0
Theor`eme 2.3.3 V 0.972 0.963 0.950 0.925 0.583 0.338 0.180 0.0751 0.014 0
Theor`eme 2.3.4 V 0.971 0.957 0.946 0.901 0.520 0.298 0.140 0.0513 0.014 0
Tab. 2.1 Valeurs maximales de
2
en fonction de .
Dautre part, on remarque que pour des petites bornes superieures du retard, les resultats de stabilite
exponentielle sont equivalents au cas de retard constant developpe par [154] et superieure `a ceux de Mondie
et al [104]. Pour des valeurs plus importantes de
2
, les degres de convergence exponentielle determine par les
Theor`emes 2.3.2 et 2.3.3 sont plus faibles. Cela parat naturel du fait que nous considerons des retards variables
contrairement aux autres conditions. Toute fois les resultats sont equivalents `a ceux de Lui [97].
2.3.3 Application au cas des retards multiples
Ce paragraphe est consacre `a letude de la stabilite et de la stabilisation exponentielle de syst`emes lineaires
`a retards multiples.
x(t) = A
0
x(t) +
N

i=1
A
i
x(t
i
(t)). (2.3.22)
Les retards sont supposes variables et verient les conditions de majoration (2.3.23) :
0
i
(t)
i2
, t 0, i = 1...N. (2.3.23)
En utilisant le changement de variable x

(t) = e
t
x(t), le syst`eme (2.3.22) exprime en fonction de x

est
regi par :
x

(t) = (A
0
+I
n
)x(t) +
N

i=1
e

i
(t)
A
i
x

(t
i
(t)), (2.3.24)
Les conditions de stabilite qui seront determinees sont issues dune adaptation des theor`emes precedents.
Modelisation polytopique
On se propose dans un premier temps decrire les termes exponentiels sous la forme polytopique (2.3.4).
Denition 2.3.5 On note , une bijection de 1, ..., 2
N
vers 1, 2
N
telle que, pour tout entier j de 1, ..., 2
N
,
on associe (j) deni par :
j (j) = [
1
(j), ..,
N
(j)], (2.3.25)
o` u
i
(j) 1, 2
On peut alors enoncer le theor`eme suivant :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
36 Chapitre 2. Stabilite exponentielle des syst`emes lineaires
Theor`eme 2.3.6 Le syst`eme lineaire `a retards multiples (2.3.22) est stable sil existe des matrices de di-
mension n n, P
1
> 0, P
2
, P
3
, R
i
> 0, i = 1, .., N et des matrices de dimension 2n 2n, Z
ik
, pour i = 1, .., N
et k = 1, 2, telles que les conditions LMI suivantes soient satisfaites pour j = 1, .., 2
N
:

j
= P
T
_
0 I
n

j
I
n
_
+
_
0 I
n

j
I
n
_
T
P +

N
i=1

i2
_
Z
i
i
(j)
+
_
0 0
0 R
i
__
< 0,
(2.3.26)
et pour i = 1, .., N et k = 1, 2 :
_
_
R
i
_
0 e

ik
A
T
i
_
P
Z
ik
_
_
0,
(2.3.27)
o` u

j
= I
n
+A
0
+
N

i=1
e

i
i
(j)
A
i
.
Demonstration. Ce theor`eme est une adaptation du Theor`eme 2.3.2 au cas des syst`emes `a retards multiples.
La demonstration suit les memes lignes et utilise la fonctionnelle de Lyapunov-Krasovskii suivante :
V (t) = x
T

(t)EP x

(t) +

N
i=1
_
0

2i
_
t
t+
x
T

(s)R
i
x

(s)dsd.
La derivee par rapport au temps de cette fonctionnelle donne :

V (t) = z
T
(t)
0
(t) z(t) +(t) +

N
i=1

2i
x
T

(t)R
i
x

(t)

N
i=1
_
t
t
2i
x
T

(s)R
i
x

(s)ds,
o` u

0
(t) = P
T
_
0 I
n
(t) I
n
_
+
_
0 I
n
(t) I
n
_
T
P,
(t) = I
n
+A
0
+
N

i=1
e

i
(t)
A
i
,
(t) = 2
N

i=1
_
t
t
i
(t)
x
T

(t)P
T
_
0
e

i
(t)
A
i
_
x

(s)ds.
En utilisant le meme formalisme que dans la partie 2.3.1 et sachant que chacun des retards
i
est majore
par
2i
, le terme e

i
(t)
peut secrire comme une somme convexe de ses bornes `a savoir quil existe des fonctions
scalaires
ik
, pour i = 1, .., N et k = 1, 2 telle que :
e

i
(t)
=
i1
(t) +
i2
e

2i
Ainsi, on peut denir les foncions scalaires
j
an de determiner une ecriture polytopique du terme variant
(t) et (t) grace aux fonctions de permutations denies dans (3.2.7).

j
(t) =
N

i=1

i
i
(j)
(t).
On deduit, apr`es calcul, les conditions de convexite liees aux fonctions
j
:

j
(t) 0, t 0 j = 1, ...2
N

2
N
j=1

j
(t) = 1 t 0
Ensuite la demonstration est identique `a celle du Theor`eme 2.3.2.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR

ES 37
Remarque 2.3.7 Il est possible de simplier les conditions de stabilite exponentielle en introduisant la borne
superieure de tous les retards
2
= max
i=1,..,N
(
i2
)..
On remarque que le nombre de conditions LMI `a resoudre augmente geometriquement avec le nombre de
retards. En eet dans le cas dun syst`eme `a N retards distincts, le nombre de conditions LMI `a satisfaire est
de 2
N
+ 2N. De plus le nombre de variables augmente lui aussi puisque lon doit determiner 8N + 3 matrices
de dimension n n. Plus le nombre de retards est important, moins il sera possible de satisfaire les conditions
LMI du Theor`eme 2.3.6.
Il serait donc interessant de reduire le nombre de conditions et de variables qui denissent le crit`ere de
stabilite exponentielle, meme sil est possible que le conservatisme des conditions augmente.
Modelisation avec incertitudes param`etriques
Les precedentes conditions utilisant une modelisation polytopique des termes e

i
(t)
ont conduit `a des condi-
tions de stabilite exponentielle qui deviennent diciles `a resoudre dans le cas o` u le nombre de retards est eleve.
Lavantage de lapproche par mod`eles incertains est de reduire considerablement le nombre de conditions `a
satisfaire et de variables `a determiner. Dans cette partie, nous allons presenter le syst`eme (2.3.22) sous forme
de syst`eme `a param`etres incertains :
x

(t) = (I
n
+A
0
)x

(t) +

N
i=1
(
mi
A
i
+
i
(t)
di
A
i
)x

(t
i
(t)), (2.3.28)
o` u
i
(t) est une fonction inconnue dependant de la valeur du retard
i
(t) et veriant |
i
| 1
Theor`eme 2.3.8 Le syst`eme (2.3.22) est stable, pour tout reel > 0, sil existe des matrices de dimension
n n, P
1
> 0 et R
i
> 0, pour i = 1, .., N, et P
2
, P
3
ainsi que des matrices Z
ij
de dimension 2n 2n, pour
i = 1, .., N et j = m, d telles que les conditions LMI suivantes soient satisfaites :

N
= P
T
_
0 I
n
A
0
+I
n
+

N
i=1

im
A
i
I
n
_
+
_
0 I
n
A
0
+I
n
+

N
i=1

im
A
i
I
n
_
T
P
+

N
i=1
__
R
id
0
0
2i
(R
im
+R
id
)
_
+Z
id
+
2i
(Z
im
+Z
id
)
_
< 0,
(2.3.29)
et
_
_
R
ij
_
0
ij
A
i
_
Z
ij
_
_
0, j = m, d, (2.3.30)
o` u
m
= (1 +e

2
)/2 et
d
= (e

2
1)/2.
Demonstration. Le Theor`eme 2.3.8 est une adaptation du Theor`eme 2.3.4 aux cas des syst`emes `a retards
multiples. Considerons le syst`eme (2.3.28) et la fonctionnelle de Lyapunov-Krasovskii
V ( x

(t)) = x
T

(t)EP x

(t) +

N
i=1
_
0

i2
_
t
t+
x
T

(s)(R
id
+R
im
) x

(s)dsd,
o` u x

(t) = colx

(t), x

(t). La suite de la demonstration utilise le meme developpement que pour le Theor`eme


2.3.4.
On remarque que le Theor`eme 2.3.8 conduit `a des conditions LMI plus reduites. Le nombre de LMI `a resoudre
est maintenant de 1 + 2N avec 4 + 14N matrices de dimension n n `a determiner.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
38 Chapitre 2. Stabilite exponentielle des syst`emes lineaires
Exemple
On souhaite montrer la dierence entre les deux Theor`emes 2.3.6 et 2.3.8 dans le cas dun syst`eme soumis
`a deux retards. Considerons le syst`eme (2.3.22) avec les valeurs suivantes :
_
2 1
2 0.5
_
,
_
1 0
0 1
_
,
_
0 0
0 2
_
.
Le Tableau 2.2 presente les resultats des conditions de stabilite exponentielle du syst`eme (2.3.22).
0 0.5 1 1.5 1.9 2
Th 2.3.6 0.471 0.402 0.364 0.330 0.302 0
Th 2.3.8 0.381 0.300 0.253 0.222 0.119 0
Tab. 2.2 Valeurs maximales de
2
en fonction de .
On remarque que lapproche polytopique aboutit encore une fois `a des valeurs de
2
plus importantes que
par lapproche par mod`ele incertain. Cela dit, il faut tout de meme rappeler que le nombre de conditions LMI
`a resoudre par lapproche polytopique est beaucoup plus important que dans lapproche par mod`ele incertain.
Cette seconde approche trouve donc son interet dans le cas dun grand nombre de retards.
2.3.4 Application `a la stabilisation exponentielle
Considerons le syst`eme
_
x(t) = Ax(t) +A

x(t (t)) +Bu(t) +B

u(t (t)),
x(s) = (s), s [
2
, 0].
(2.3.31)
Apr`es avoir determiner des crit`eres de stabilite exponentielle en boucle ouverte de syst`emes lineaires `a retards,
letape suivante consiste `a denir des algorithmes autorisant la synth`ese dun gain K tel que la commande par
retour detat u(t) = Kx(t) stabilise exponentiellement le syst`eme avec un taux de convergence garanti. On
considerera le syst`eme lineaire `a retard simple suivant :
x(t) = (A+BK)x(t) + (A

+B

K)x(t (t)); (2.3.32)


Les matrices A, A

R
nn
, B, B

R
nm
, sont les matrices detats supposees constantes. Ainsi en rem-
placant les matrices A
0
par A+BK et A
1
par A

+B

K dans les theor`emes de la partie precedente, on obtient


des crit`eres LMI caracterisant la stabilite exponentielle du syst`eme en boucle fermee. Letape suivante consiste
`a modier ses crit`eres pour quils permettent une synth`ese systematique dun gain K qui stabilise exponen-
tiellement le syst`eme en boucle fermee. Pour le moment les conditions obtenues ne sont pas lineaires. En eet,
comme les matrices A
0
et A
1
sont multipliees par les variables des LMI. Il existe alors des termes bilineaires en
K et en les autres variables du syst`eme quil faut transformer pour obtenir des conditions lineaires.
Il existe plusieurs methodes permettant ce calcul. Certaines conduisent `a des conditions restrictives. En
eet, certaines techniques de synth`ese du gain necessitent de lier les param`etres des crit`eres. Pour eviter de
trop alourdir ce memoire, nous allons simplement exposer trois techniques en utilisant uniquement le Theor`eme
2.3.2, sachant il est possible de les appliquer aux autres theor`emes dstabilite.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR

ES 39
Modelisation polytopique
Dapr`es le Theor`eme 2.3.2, il faut que les conditions suivantes (qui ne sont plus lineaires mais bilineaires `a
cause de produit K.P) soient satisfaites pour i = 1, 2 pour que le syst`eme en boucle fermee avec la commande
u(t) = Kx(t) soit stable :

i
< 0 et
_
_
R
_
0
i
(A

+BK)
T
_
P
Z
i
_
_
0, (2.3.33)
avec
P =
_
P
1
0
P
2
P
3
_
, Z
i
=
_
Z
i
1
Z
i
2
Z
iT
2
Z
i
3
_
,
et

i
= P
T
_
0 I
n

i
I
n
_
+
_
0 I
n

i
I
n
_
T
P +
2
Z
i
+
_
0 0
0
2
R
_
,

i
= I
n
+A+BK +
i
(A

+B

K).
La premi`ere technique de synth`ese de gain, proposee dans [139], utilise la contrainte liante sur les variables
de la condition de stabilite P
3
= P
2
, o` u R est un param`etre de reglage. On remarque dans un premier
temps que P
2
est necessairement non singuli`ere car sinon le second bloc diagonal de (2.3.33a), cest-`a-dire
(P
2
+P
T
2
) +
2
R ne pourrait etre deni negatif. On denit alors :

P = P
1
2
.
Ensuite, on denit les nouvelles variables

P
1
,

R,

Z
i
j
,pour i = 1, 2 et j = 1, 2, 3, et Y par

P
1
=

P
T
P
1

P,

R =

P
T
R

P,

Z
i
j
=

P
T
Z
i
j

Pet Y = K

P. On multiplie les conditions (2.3.33a) `a droite (respectivement `a gauche)
par la matrice
3
= diag

P,

P (par la matrice
T
3
`a gauche) et on multiplie les conditions LMI (2.3.33b) `a
droite (respectivement `a gauche) par la matrice = diag

P,

P,

P (par la matrice
T
`a gauche) On obtient
nalement les conditions LMI de stabilisation du Theor`eme 2.3.9.
Theor`eme 2.3.9 Le syst`eme (2.3.32) est -stabilisable pour un reel > 0 et pour tout retard variable (t)
veriant (2.3.2), sil existe des matrices de dimension n n

P
1
> 0,

R > 0

P,

Z
i
1
,

Z
i
2
,

Z
i
3
et Y une matrice de
dimension mn, satisfaisant les conditions LMI suivantes pour i = 1, 2 :
_

i
11

i
12

i
22
_
< 0,
_

R
i
(

P
T
A
T

+Y
T
B
T

)
i
(

P
T
A
T

+Y
T
B
T


Z
i
1

Z
i
2


Z
i
3
_

_
0,
(2.3.34)
o` u

i
11
= (A+I
n
+
i
A

)

P +

P
T
(A+I
n
+
i
A

)
T
+ (B +
i
B

)Y +Y
T
(B +
i
B

)
T
+
2

Z
i
1
,

i
12
=

P
1


P +

P
T
(A+I
n
+
i
A

)
T
+Y
T
(B +
i
B

)
T
+
2

Z
i
2
,

i
22
= (

P +

P
T
) +

R +
2

Z
i
3
.
Le gain du retour detat est alors donne par :
K = Y

P
1
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
40 Chapitre 2. Stabilite exponentielle des syst`emes lineaires
Une autre technique, utilisee dans [51] consiste `a faire apparatre le produit KQ
1
dans les conditions LMI
du Theor`eme 2.3.2 applique au syst`eme boucle (2.3.32) avec la commande u(t) = Kx(t) et avec, cette fois-ci,

i
= A+I
n
+
i
A

+(B+
i
B

)K et A
1
= A

+B

K. Premi`erement on remarque que la matrice composant


le bloc de la seconde colonne et de la seconde ligne de
i
0
est P
3
P
T
3
doit etre deni negatif pour quil existe
une solution au probl`eme LMI (2.3.12). La matrice P
3
est donc non singuli`ere. On peut alors denir la matrice
Q telle que :
Q =
_
Q
1
0
Q
2
Q
3
_
= P
1
.
La seconde etape consiste `a developper le dernier terme de
i
0
qui peut aussi secrire :
_
0 0
0
2
R
_
=
2
_
0
I
n
_
(
2
R)
1

2
_
0
I
n
_
T
. (2.3.35)
Ainsi le complement de Schur, applique une premi`ere fois `a lexpression precedente et une seconde fois `a la
seconde colonne et la seconde ligne, permet dobtenir une condition de stabilite exponentielle du syst`eme en
boucle fermee equivalente `a (2.3.33). Ensuite la multiplication `a droite par
1
= diagQ, I
2n2n
et `a gauche
par
T
1
conduit `a la condition :
_

_
_
0 I
n

i
I
n
_
Q+Q
T
_
0 I
n

i
I
n
_
T
+
2
Q
T
Z
i
Q
2
Q
T
_
0
I
n
_

2
R
1
_

_
< 0.
On introduit alors les matrices W = Q
T
Z
i
Q =
_
W
i
1
W
i
2
W
i
3
_
et S = R
1
. En developpant, on obtient :
_

_
Q
2
+Q
T
2
+W
i
1

21

2
Q
T
2
Q
3
Q
T
3
+W
i
3

2
Q
T
3

2
S
_

_
< 0,
o` u

21
= Q
1
(A+I
n
+
i
A

)
T
+Q
1
K
T
(B +
i
B

)
T
Q
T
2
+Q
3
+W
i
2
.
La deuxi`eme condition LMI du Theor`eme 2.3.2 doit etre, elle aussi, exprimee en fonction des nouvelles
variables denies ci-dessus. Pour cela, on multiplie (2.3.12b) par diagQ
1
, Q
T
`a gauche et par sa transposee
`a droite, ce qui conduit `a la condition bilineaire (BMI) suivante :
_

_
Q
T
1
S
1
Q
1
0
i
Q
1
(A

+B

K)
T
W
i
1
W
i
2
W
i
3
_

_
0 (2.3.36)
Lelement Q
T
1
S
1
Q
1
pose probl`eme dans la resolution. Les deux derni`eres techniques que nous proposerons
permettent de resoudre les dicultes causees par ces non-linearites. Une premi`ere piste consiste `a introduire
une condition liante telle que Q
1
= S pour rendre le probl`eme lineaire.
Theor`eme 2.3.10 Le syst`eme (2.3.32) est -stabilisable pour tout retard variable (t) veriant (2.3.2), sil
existe un reel > 0 et des matrices de dimension n n Q
1
> 0, Q
2
, Q
3
, W
i
1
, W
i
2
, W
i
3
et Y une matrice de
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR

ES 41
dimension mn, satisfaisant les conditions LMI suivantes pour i = 1, 2 :
_

_
Q
2
+Q
T
2
+
2
W
i
1

i
12

2
Q
T
2
(Q
3
+Q
T
3
) +
2
W
i
3

2
Q
T
3

2
Q
1
_

_
< 0, (2.3.37)
_

_
Q
1
0
i
(Q
1
A
T

+Y
T
B
T

)
W
i
1
W
i
2
W
i
3
_

_
0, (2.3.38)
o` u

i
12
= Q
1
(A+I
n
+
i
A

)
T
+Y
T
(B +
i
B

) Q
T
2
+Q
3
+
2
W
i
2
.
Le gain du retour detat est alors donne par :
K = Y Q
1
1
.
Remarque 2.3.11 On comprend bien que le fait dimposer la relation liante S = Q
1
ou P
2
= P
3
augmente
le conservatisme des conditions.
Une autre methode developpee dans [72] est envisageable pour eviter cette restriction en utilisant linegalite
suivante pour :
(Q
1
S)
T
S
1
(Q
1
S) 0,
qui, en la developpant, assure que Q
1
S
1
Q
1
2Q
1
+ S. Le lemme de Schur permet ensuite decrire la
condition (2.3.36) sous la forme :
Q
1
SQ
1
+
_
0

i
(A

+B

K)Q
1
_
T
(W
i
)
1
_
0

i
(A

+B

K)Q
1
_
< 0. (2.3.39)
On remarque alors que si la condition :
2Q
1
+S +
_
0

i
(A

+B

K)Q
1
_
T
(W
i
)
1
_
0

i
(A

+B

K)Q
1
_
< 0,
est satisfaite, alors (2.3.39) sera satisfaite. En appliquant le lemme de Schur, on retrouve alors la condition
(2.3.41). Ainsi, en posant Y = KQ
1
, les conditions (2.3.40) et (2.3.41) garantissent que le syst`eme (2.3.32) est
stabilisable. On obtient alors le resultat suivant :
Theor`eme 2.3.12 Le syst`eme (2.3.32) est -stabilisable pour tout retard variable (t) veriant (2.3.2), sil
existe des matrices de dimension n n Q
1
> 0, S > 0 Q
2
, Q
3
, W
i
1
, W
i
2
, W
i
3
et Y une matrice de dimension
mn, satisfaisant les conditions LMI suivantes pour i = 1, 2 :
_

_
Q
2
+Q
T
2
+
2
W
i
1

i
12

2
Q
T
2
(Q
3
+Q
T
3
) +
2
W
i
3

2
Q
T
3

2
S
_

_
< 0, (2.3.40)
_

_
2Q
1
S 0
i
(Q
1
A
T

+Y
T
B
T

)
W
i
1
W
i
2
W
i
3
_

_
0, (2.3.41)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
42 Chapitre 2. Stabilite exponentielle des syst`emes lineaires
o` u

i
12
= Q
1
(A+I
n
+
i
A

)
T
+Y
T
(B +
i
B

) Q
T
2
+Q
3
+
2
W
i
2
.
Le gain du retour detat est alors donne par :
K = Y Q
1
1
.
Remarque 2.3.13 Comme nous lavons dit en debut de section, nous navons presente que quelques resultats,
sachant quil est possible denoncer plusieurs theor`emes en se basant sur les theor`emes 2.3.1, 2.3.3 et 2.3.4.
De plus les approches par mod`ele incertain et par mod`eles polytopiques peuvent etre employees avec dautres
theor`emes de stabilite et de stabilisation `a partir du moment o` u les conditions obtenues sont lineaires par
rapport aux matrices denissant le syst`eme.
Remarque 2.3.14 Comme pour le probl`eme de lstabilite il est possible de determiner des conditions de
stabilisation exponentielle avec un degre de convergence garanti pour les syst`emes `a retards multiples.
2.3.5 Stabilisation `a co ut quadratique garanti
Presentation du probl`eme
Dans ce paragraphe, nous allons nous interesser `a la stabilite et `a la stabilisation exponentielle sous contrainte.
Ce probl`eme de stabilite ou stabilisation `a co ut garanti trouve sa justication dans le domaine pratique.
Generalement, la fonction co ut represente lenergie mise en oeuvre dans le syst`eme. Dans un contexte de stabi-
lisation des syst`emes `a retards avec un degre de convergence exponentielle, lidee du co ut energetique dune
experimentation nest pas `a negliger. Le fait dajouter une contrainte de stabilisation exponentielle laisse penser
que lenergie que doit fournir le controleur augmente avec le degre de convergence . Do` u lidee dajouter un
crit`ere permettant dinclure une limite energetique dans la determination de la loi de commande.
Considerons le syst`eme
_
x(t) = Ax(t) +A

x(t (t)) +Bu(t) +B

u(t (t)),
x(s) = (s), s [
2
, 0],
(2.3.42)
o` u x, u represente respectivement letat et la commande du syst`eme. Les matrices A, A

, B et B

sont des
matrices de dimension appropriee. Dautrepart, on suppose quil existe un reel positif
2
tel que le retard
verie la condition 0 (t)
2
pour tout t 0.
Dans ce paragraphe, nous etudierons la performance du syst`eme (2.3.42) en utilisant une fonction de co ut
du type integral quadratique, que lon retrouve frequemment dans la litterature ([35], Chapitre 13). Lobjectif
sera de determiner un ensemble de conditions initiales qui garantissent que la fonction co ut est inferieure `a une
valeur donnee.
Dans [35], la fonction quadratique de co ut est de la forme :
=
_

0
x
T
(s)Jx(s)ds, (2.3.43)
o` u x R
n
represente bien-entendu letat du syst`eme et J est une matrice symetrique denie positive de
dimension n n.
Une denition sensiblement dierente est aussi utilisee. La fonction co ut est :
=
_

0
_
x
T
(s)Jx(s) +u
T
(s)Tu(s)

ds, (2.3.44)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.3. CAS DES RETARDS VARIABLES MAJOR

ES 43
o` u x R
n
represente letat du syst`eme, u R
m
la commande, Q R
nn
et R R
mm
sont des matrices
symetriques denies positive. Cette denition est dierente de (2.3.43) dans la mesure o` u la commande apparat
explicitement dans la fonction co ut.
Une derni`ere denition peut etre utilisee. Elle consiste `a denir un vecteur de mesure z, de la meme mani`ere
que lors de la resolution du probl`eme H

. Le vecteur de mesure z de dimension p est de la forme :


z(t) = Cx(t) +Du(t), (2.3.45)
La fonction co ut associee est alors :
=
_

0
z
T
(s)Sz(s)ds, (2.3.46)
o` u S est une matrice symetrique denie positive de R
pp
.
Par la suite, nous nutiliserons que la derni`ere formulation (2.3.43), sachant que la resolution sera quasiment
identique pour (2.3.44) et (2.3.46).
Resolution du probl`eme
Ici nous ne procederons pas de la mani`ere habituelle qui consiste `a determiner des conditions garantissant
que la derivee de la fonctionnelle de Lyapunov-Krasovskii du syst`eme (2.3.42) verie :

V (t) +x
T
(t)Jx(t) < 0.
La methode proposee ici utilise uniquement la stabilite exponentielle pour prouver la convergence `a co ut
garanti.
Theor`eme 2.3.15 Le syst`eme (2.3.42) est -stabilisable pour tout retard variable (t) veriant (2.3.2), sil
existe des matrices de dimension n n matrices Q
1
> 0, S > 0 Q
2
, Q
3
, W
i
1
, W
i
2
, W
i
3
et Y une matrice de
dimension mn, satisfaisant les conditions LMI suivantes pour i = 1, 2 :
_

_
Q
2
+Q
T
2
+
2
W
i
11

i
12

2
Q
T
2
(Q
3
+Q
T
3
) +
2
W
i
22

2
Q
T
3

2
S
_

_
< 0, (2.3.47)
_

_
2Q
1
S 0
i
(Q
1
A
T

+Y
T
B
T

)
W
i
1
W
i
2
W
i
3
_

_
0, (2.3.48)
o` u

i
12
= Q
1
(A+I
n
+
i
A

)
T
+Y
T
(B +
i
B

) Q
T
2
+Q
3
+
2
W
i
2
.
Le gain du retour detat est alors donne par :
K = Y Q
1
1
.
Lensemble T
0
des conditions initiales qui satisfont `a la condition , o` u est un reel strictement
positif, est deni par :

max
(J)
_

max
(Q
1
1
)

min
(Q
1
1
)
[[(s)[[
2
+
e
2
2
1 + 2
2
4
3

min
(Q
1
1
)

max
(S
1
)([[[[ +[[

[[)
2
_
(2.3.49)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
44 Chapitre 2. Stabilite exponentielle des syst`emes lineaires
Demonstration. La preuve de ce theor`eme se fait en deux etapes. La premi`ere consiste `a determiner une
commande par retour detat u(t) = Kx(t) qui stabilise exponentiellement le syst`eme (2.3.42) avec un degre de
convergence > 0. La demonstration est identique `a celle du Theor`eme (2.3.12).
La seconde etape consiste `a determiner une borne de la fonction co ut (2.3.43). Pour cela on va dans un
premier temps determiner une majoration de la solution x(t) de (2.3.42). Les conditions LMI (2.3.47) et(2.3.48)
assurent que la fonctionnelle de Lyapunov-Krasovskii (2.3.50) :
V

(t) = x

(t)

EQ
1
x

(t) +
_
0

2
_
t
t+
x
T

(s)S
1
x

(s)dsd, (2.3.50)
est decroissante. Ce qui implique :
x
T

(t)Q
1
1
x

(t) V

(t) V

(0), t 0,
ou encore, revenant `a la variable x :

min
(Q
1
1
)|x(t)|
2
V

(0)e
2t
, t 0,
On determine ensuite une borne superieure de V

(0) en remarquant que e


t
x(t ) = e

(t )
e

(t ) :
V

(0)
max
(Q
1
1
)[[(s)[[
2
+
max
(S
1
)([[[[ +[[

[[)
2
_
0

2
_
0

e
2s
dsd,

max
(Q
1
1
)[[(s)[[
2
+
e
2
2
1+2
2
4
2

max
(S
1
)([[[[ +[[

[[)
2
.
Ainsi on en deduit que pour tout t 0 :
|x(t)|
2
x
T
(t)
Q
1

min
(Q
1
1
)
x(t)
|x(t)|
2

max
(Q
1
1
)

min
(Q
1
1
)
[[(s)[[
2
+
e
2
2
1+2
2
4
2

min
(Q
1
1
)

max
(S
1
)([[[[ +[[

[[)
2
_
e
2t
,
On peut maintenant determiner une borne de :

max
(J)
_

max
(Q
1
1
)

min
(Q
1
1
)
[[(s)[[
2
+
e
2
2
1 + 2
2
4
3

min
(Q
1
1
)

max
(S
1
)([[[[ +[[

[[)
2
_
.
Donc si la condition (2.3.49) est veriee, la fonction de co ut est bien inferieure `a .
Les conditions initiales satisfaisant `a la condition (2.3.49) sont donc caracterisees par la norme sur ( de
la fonction dans lintervalle [
2
, 0] et par celle de sa derivee

sur le meme intervalle.
Remarque 2.3.16 Pour exposer le lien entre stabilisation exponentielle et stabilisation `a co ut garanti, nous
avons choisi dutiliser le Theor`eme 2.3.12 pour des raisons de clarte de lexpose. Il est aussi possible dappliquer
ce resultat `a chacun des theor`emes de stabilisation presentes dans ce chapitre.
Remarque 2.3.17 Lorsque la fonction co ut est (2.3.44) ou (2.3.46), lensemble des conditions initiales satisfai-
sant la condition est leg`erement modiee. En eet, il faut alors remplacer
min
(J) par
min
(J +K
T
TK),
dans le cas (2.3.44) ou par
min
((C +DK)
T
S(C +DK)), dans le cas (2.3.46).
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.4. CAS DES RETARDS VARIABLES BORN

ES 45
2.3.6 Optimisation de lensemble des conditions initiales admissibles
Considerons le cas du syst`eme (2.3.42) o` u le retard est majore par une valeur
2
imposee. Le Theor`eme 2.3.15
permet alors de determiner un ensemble de conditions initiales qui satisfont au probl`eme de co ut quadratique
garanti . Cependant, il ne permet pas de maximiser cet ensemble. Ce que nous proposons dans ce
paragraphe est une procedure de maximisation de T
0
dans le cas dune fonction de co ut de la forme (2.3.43).
Premi`erement, on remarque que T
0
est de la forme :
T
0
= (

: a

|| +a

| .
Pour que lensemble T
0
soit plus grand, il faut minimiser les coecients a

et a

. Pour cela, on remarque


que dans (2.3.49), ces coecients sont divises par . La premi`ere etape consiste donc `a determiner le plus grand
taux de convergence exponentielle . La seconde etape consiste `a minimiser les valeurs propres des matrices
Q
1
1
et S
1
. Pour introduire ces proprietes dans le probl`eme LMI, on ajoute les conditions suivantes :
_

Q1
I
n
I
n
Q
1
_
0,
_

S
I
n
I
n
S
_
0, (2.3.51)
En utilisant le complement de Schur, les conditions (3.7.26) deviennent equivalentes `a
Q1

max
(Q
1
1
),

S

max
(S
1
) (comme Q
1
et S sont des matrices symetriques leurs valeurs propres sont reelles). On denit
alors le probl`eme doptimisation suivant :
min
1

Q1
+
2

S
soumis `a
(2.3.47) et (2.3.48)
o` u
1
et
2
representent des poids qui doivent etre regles pour satisfaire certains compromis entre les valeurs
maximales de || et |

|.
2.4 Cas des retards variables bornes
Dans cette section, nous allons nous interesser `a letude des syst`emes soumis `a des retards dont la borne
minimale est non nulle. cest-`a-dire quil existe une valeur
1
telle que le retard variable verie la relation :

1
(t)
2
. (2.4.1)
Ce cas de retard est tr`es frequemment rencontres en pratique. Dans un contexte de retards lies `a une
transmission dinformations, un ecoulement de liquide, le cas du retard nul ou proche de 0 nest pas realisable.
En eet, dans ce contexte, un retard quasi-nul sinterpr`ete comme une transmission quasi-instantanee. Or il est
evident que le retard d u `a une communication induit des retards dont la borne inferieure correspond au temps
minimum de transport dinformation ou de mati`ere. Ce temps est limite par les caracteristiques du syst`emes
(par le reseaux dans le cas de la commande `a distance). Il parat alors interessant de mesurer linuence de la
borne inferieure du retard.
Dans la litterature, on trouve enormement de resultats portant sur les syst`emes dont les retards sont seule-
ment strictement positifs. Seulement quelques auteurs [49], [80] ont determine des conditions de stabilite asymp-
totique pour les syst`emes soumis `a ce type de retard. Lidee principale est de considerer que le retard variable
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
46 Chapitre 2. Stabilite exponentielle des syst`emes lineaires
est la somme dun retard constant, , quon pourrait appele retard nominal et dune perturbation bornee de
ce retard (t) caracterisee par un param`etre > 0 representant lamplitude maximale du retard autour de sa
valeur nominale :
(t) = +(t), |(t)| . (2.4.2)
2.4.1 Etude de la stabilite
Considerons le syst`eme lineaire `a retard sans commande :
x(t) = A
0
x(t) +A
1
x(t (t)). (2.4.3)
Notre objectif est de determiner des conditions de stabilite pour cette classe de syst`emes o` u le retard verie
(2.4.2).Considerons le syst`eme `a retards variables (2.4.3). An de determiner des conditions de convergence
exponentielle, on introduit la nouvelle variable x

(t) = e
t
x(t), avec > 0. Le syst`eme (2.4.3) devient :
x

(t) = (A
0
+I
n
)x

(t) +e
(t)
A
1
x

(t (t)) (2.4.4)
Modelisation polytopique
Il y a une diculte `a surmonter. Le syst`eme (2.4.4) est `a param`etres variants `a cause du gain scalaire
e
(t)
. Ceci ne permet pas dappliquer directement les theor`emes classiques demontrant la stabilite asympto-
tique dun syst`eme lineaire stationnaire. Heureusement, cette diculte peut etre surmontee en introduisant une
modelisation polytopique du syst`eme (2.4.4). En fait, sachant que le retard est borne (2.4.1) et en reprenant la
denition des param`etres
i
, on sait que le gain lineaire e
(t)
verie les inegalites :

1
= e
()
e
(t)
e
(+)
=
2
, t 0.
Cela signie aussi quil existe des fonctions scalaires positives mais aussi inconnues
i
: R R, i 1, 2,
qui satisfont la condition de convexite :
t 0, i 1, 2
i
(t) 0,

2
i=1

i
(t) = 1,
et permettant decrire le syst`eme (2.4.4) sous la forme polytopique suivante :
x

(t) =

2
i=1

i
(t)(A
0
+I
n
)x

(t) +
i
A
1
x

(t (t)). (2.4.5)
En utilisant la formule de Leibniz qui permet decrire :
x

(t ) x

(t +(t)) =
_
t
i
t+(t)
x

(s)ds,
on obtient nalement lecriture suivante :
E

x

(t) =

2
i=1

i
(t)
__
0 I
n
(A
0
+I
n
) I
n
_
x

(t) +
_
0

i
A
1
_
x

(t )
_
0

i
A
1
_
_
t
t(t)

x

(s)ds
_
,
o` u x

(t) = colx

(t), x

(t) et E = diagI, 0
(22)
. On propose alors le theor`eme suivant :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.4. CAS DES RETARDS VARIABLES BORN

ES 47
Theor`eme 2.4.1 [132] Le syst`eme (2.4.3) est stable sil existe des (nn)matrices 0 < P
1
, P
2
, P
3
, S, Y
1
,
Y
2
, Z
1
, Z
2
, Z
3
, R et R
a
qui satisfont aux conditions LMI pour tout couple (i, j) 1, 2
2
:

i
1
=
_

1
P
T
_
0

i
A
1
_
Y
T
1
P
T
_
0

i
A
1
_
S
1
0
R
1a
_

_
< 0, (2.4.6)
_

_
R Y
1
Y
2
Z
1
Z
2
Z
3
_

_
0, (2.4.7)
avec
P =
_
P
1
0
P
2
P
3
_
, Z =
_
Z
1
Z
2
Z
T
2
Z
3
_
, Y =
_
Y
1
Y
2
_
, (2.4.8)

1
= P
T
_
0 I
n
A
0
+I
n
I
n
_
+
_
0 I
n
A
0
+I
n
I
n
_
T
P +
_
Y
0
_
+
_
Y
0
_
T
+Z +
_
S 0
0 R + 2R
a
_
.
Demonstration. Considerons donc la fonctionnelle de Lyapunov-Krasovskii qui est presentee en deux par-
ties :
V

(t) = V
n
(t) +V
a
(t), (2.4.9)
o` u les deux fonctionnelles sont denies comme suit :
V
n
(t) = x
T

(t)EP x

(t) +
_
0

_
t
t+
x
T

(s)R x

(s)dsd +
_
t
t
x
T

(s)Sx

(s)ds,
V
a
(t) =
_

_
t
t+
x
T

(s)R
a
x

(s)dsd.
(2.4.10)
V
n
correspond au controle de la stabilite du syst`eme soumis au seul retard nominal . La seconde fonctionnelle
V
a
controle les variations du retard (t) autour de leur valeur nominale . En suivant la demonstration du Lemme
1 dans [56], si les conditions LMI (2.4.7) sont satisfaites, la majoration suivante est veriee :

V
n
(t)
2

i=1

i
(t)
T
(t)
i
1n
(t) +
i
(t), (2.4.11)
o` u (t) = colx

(t), x

(t), x

(t
1
) et les autres termes sont denis par :

i
1n
=
_

0
1
P
T
_
0

i
A
1
_
Y
T
S
_

_
,
avec

0
1
=
1

_
0 0
0 2R
a
_
,

i
(t) = 2 x
T

(t)P
T
_
0

i
A
1
_
_
t
t(t)
x

(s)ds,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
48 Chapitre 2. Stabilite exponentielle des syst`emes lineaires
En utilisant la majoration classique qui, pour toute matrice symetrique denie positive R de dimension n et
pour tous vecteurs a et b de R
n
, assure que la relation 2a
T
b a
T
Ra +b
T
R
1
b est satisfaite, on obtient :

i
(t) x
T

(t)P
T
_
0

i
A
1
_
R
1
a
_
0

i
A
1
_
T
P x

(t) +

_
t
t(t)
x
T

(s)R
a
x

(s)ds

.
Ensuite, en introduisant la variable
1
(t) = col(t), x

(t), x

(t), la combinaison de (2.4.11) et (2.4.1)


permet decrire :

(t)
2

i,j=1

ij
(t)
_

T
1
(t)
i
1

1
(t)
_
.
Ainsi, on remarque que si les conditions (2.4.6 ) et (2.4.7) sont satisfaites,

V

(t) est une somme convexe de


termes negatifs. Ceci permet de conclure que le syst`eme (2.4.4) est asymptotiquement stable et, par consequent
que le syst`eme initial (2.4.3) est exponentiellement stable avec un degre de convergence .
Modelisation avec incertitudes param`etriques
Dans cette partie, nous utiliserons la modelisation du syst`eme (2.4.4) en mettant le terme e
(t)
sous forme
dun syst`eme `a param`etres incertains. Nous ecrirons ce terme comme une somme dun terme constant
m
,
representant la valeur moyenne de la fonction et dun terme variable damplitude bornee par
d
representant la
perturbation dependant du retard inconnu.
e
(t)
=
m
+ (t)
d
, (2.4.12)
o` u
m
= (e
(+)
+e
()
)/2,
d
= (e
(+)
e
()
)/2 et o` u est une fonction inconnue dependant de la
valeur du retard et veriant la condition [(t)[ 1, pour tout t 0. En utilisant la modelisation descripteur
et la formule de Leibniz, le syst`eme (2.4.4) secrit alors :
E

x

=
_
0 I
n
A
0
+I
n
I
n
_
x

(t) + (
m
+ (t)
d
)
_
0
A
1
_
x

(t )
(
m
+ (t)
d
)
_
0
A
1
_
_
t
t(t)
x

(t ).
On en deduit le theor`eme suivant :
Theor`eme 2.4.2 Le syst`eme (2.4.3) est stable sil existe des matrices de dimension n n P
1
, R > 0, S et
R
i
> 0 symetriques denies positives et P
2
, P
3
, Y
1
, Y
2
, Z
1
, Z
2
, Z
3
, Z
1i
, Z
2i
et Z
3i
pour i = m, d qui satisfont
aux conditions LMI :

2
=
_

2
P
T
_
0

m
A
1
_
Y
T
S +R
d
_

_
< 0, (2.4.13)
_
R Y
Z
_
0,
_
_
R
i
_
0
i
A
T
1
_
P
Z
i
_
_
0, (2.4.14)
P =
_
P
1
0
P
2
P
3
_
, Z =
_
Z
1
Z
2
Z
T
2
Z
3
_
, Y =
_
Y
1
Y
2
_
, Z
i
=
_
Z
1i
Z
2i
Z
T
2i
Z
3i
_
, (2.4.15)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.4. CAS DES RETARDS VARIABLES BORN

ES 49

2
= P
T
_
0 I
n
A
0
+I
n
I
n
_
+
_
0 I
n
A
0
+I
n
I
n
_
T
P +Z + (1 +)Z
d
+Z
m
+
_
Y
0
_
+
_
Y
0
_
T
+
_
S 0
0 R + 2(R
m
+R
d
)
_
.
(2.4.16)
Demonstration. La demonstration de ce theor`eme utilise toujours le changement de variable x

(t) =
e
t
x(t). Cette transformation introduit le gain scalaire e
(t)
dans (2.4.4). La suite de la demonstration est
basee sur les techniques de Lyapunov-Krasovskii. Considerons donc la fonctionnelle de Lyapunov-Krasovskii qui
est presentee en deux parties :
V

(t) = V
n
(t) +V
a
(t), (2.4.17)
o` u V
n
est toujours la meme fonctionnelle denie par (2.4.10) et la seconde fonctionnelle est denie par :
V
a
(t) =
_

_
t
t+
x
T

(s)(R
m
+R
d
) x

(s)dsd. (2.4.18)
En suivant la demarche de la demonstration du Theor`eme 2.4.1, V
n
correspond au controle de la stabilite
du syst`eme soumis au seul retard nominal . La seconde fonctionnelle V
a
controle les variations du retard (t)
autour de leur valeur nominale . En suivant la demonstration de la preuve du Lemme 1 dans [56], si la condition
LMI (2.4.14a) est satisfaite, la majoration suivante est veriee :

V
n
(t)
T
(t)
2n
(t) +
3

k=1

k
(t), (2.4.19)
o` u (t) = colx

(t), x

(t), x

(t
1
) et les autres termes sont denis par :

i
3n
=
_

0
2
P
T
_
0

i
A
1
_
Y
T
S
_

_
,

0
2
=
2

_
0 0
0 2(R
m
+R
d
)
_
et o` u les fonctions
i
sont denies par :

1
(t) = 2 x
T

(t)P
T
_
0
(t)
d
A
1
_
x

(t ),

2
(t) = 2 x
T

(t)P
T
_
0

m
A
1
_
_
t
t(t)
x

(s)ds,

3
(t) = 2 x
T

(t)P
T
_
0
(t)
d
A
1
_
_
t
t(t)
x

(s)ds.
A n de majorer les elements
k
, on dispose de la methode basee sur les conditions LMI (2.4.14) conduisant
`a :

1
(t) x
T

(t)Z
d
x

(t) +x
T

(t )R
d
x

(t ),

2
(t) = x
T

(t)Z
m
x

(t) +

_
t
t(t)
x
T

(s)R
m
x

(s)ds

3
(t) = x
T

(t)Z
d
x

(t) +

_
t
t(t)
x
T

(s)R
d
x

(s)ds

.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
50 Chapitre 2. Stabilite exponentielle des syst`emes lineaires
Ainsi, on remarque que, si les conditions (2.4.13) `a (2.4.14) du Theor`eme 2.4.2 sont satisfaites, alors on a

(t)
T
(t)
3n
(t) +

3
k=1

k
(t) + x
T

(t)Z
d
x

(t) +x
T

(t )R
d
x

(t )
x
T

(t)Z
m
x

(t) +

_
t
t(t)
x
T

(s)R
m
x

(s)ds


_
t+
t
x
T

(s)R
m
x

(s)ds
x
T

(t)Z
d
x

(t) +

_
t
t(t)
x
T

(s)R
d
x

(s)ds


_
t+
t
x
T

(s)R
d
x

(s)ds,
En remarquant que la somme des termes integrales est negative, on conclut que la derivee de la fonctionnelle
V

est denie negative si les conditions LMI du Theor`eme 2.4.2 sont veriees. On demontre ainsi que le syst`eme
(2.4.4) est asymptotiquement stable et, par consequent, que le syst`eme lineaire (2.4.3) soumis au retard deni
dans (2.4.1) est stable.
2.4.2 Stabilisation des syst`emes lineaires
Dans cette partie, nous nous interesserons `a la stabilisation de syst`emes lineaires `a retard de la forme :
_
x(t) = Ax(t) +A

x(t (t)) +Bu(t) +B

u(t (t))
x(s) = (s), s [
2
, 0]
(2.4.20)
o` u le retard variable (t) appartient `a [
1
,
2
].
La loi de commande que nous desirons utiliser est une commande par retour detat u = Kx(t), o` u K est un
gain matriciel `a determiner pour garantir la stabilite exponentielle du syst`eme boucle :
_
x(t) = (A+BK)x(t) + (A

+B

K)x(t (t))
x(s) = (s), s [
2
, 0]
(2.4.21)
Les memes methodes proposees dans la partie 2.3.4 permettront aussi de determiner des conditions LMI de
stabilisation. Nous ne presenterons cependant que quelques theor`emes permettant de determiner le gain lineaire
K du retour detat pour ne pas alourdir la presentation.
Modelisation polytopique
Theor`eme 2.4.3 La commande par retour detat de gain stabilise exponentiellement le syst`eme (2.4.3) avec un
degre de convergence > 0 si, pour un reel positif , il existe des matrices de dimension nn denies positives
Q
1
, T, U et U
a
et des matrices de dimension nn Q
2
, Q
3
, W
i
1
, W
i
2
, W
i
3
, W
i
1a
, W
i
2a
, W
i
3a
, pour i = 1, 2 et une
matrice W, de dimension n m, telles que les conditions LMI suivantes soient satisfaites pour i = 1, 2 :
_

i
21

i
21
0 Q
T
2
2Q
T
2

i
23
(1 )
i
(A

Q
1
+B

Y ) Q
T
3
2Q
T
3
T 0 0
U 0
2U
a
_

_
< 0, (2.4.22)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.4. CAS DES RETARDS VARIABLES BORN

ES 51
et
_

_
2Q
1
+U 0
i
(A

Q
1
+B

Y )
T
W
1
W
2
W
3
_

_
0,
_

_
2Q
1
+U
a
0
i
(A

Q
1
+B

Y )
T
W
i
1a
W
i
2a
W
i
3a
_

_
0
(2.4.23)
o` u

i
21
= Q
1
(A+I
n
+
i
A

)
T
+ (A+I
n
+
i
A

)Q
1
+(B +
i
B

)Y +Y
T
(B +
i
B

)
T
+T +W
i
1
+W
i
1a

i
22
= Q
3
Q
T
2
+Q
1
(A+I
n
+
i
A

)
T
+W
i
2
+W
i
2a
,

i
23
= (Q
3
+Q
T
3
) +W
i
3
+W
i
3a
.
(2.4.24)
Le gain du retour detat est alors donnee par :
K = Y Q
1
1
(2.4.25)
Demonstration. La preuve de ce theor`eme est basee sur le Theor`eme de stabilite exponentielle 2.4.1 et suit
la methode proposee pour la demonstration du Theor`eme 2.3.12. Cependant quelques etapes necessitent detre
presentee.
On denit la matrice Q =
_
Q
1
0
Q
2
Q
3
_
= P
1
. On remplace les matrices A
0
par A + BK et A
1
par
A

+B

K. Notre objectif consiste `a faire apparatre le produit KQ


1
. Pour cela nous commencons par imposer
la contrainte suivante :
Y
i
=
_
0
i
A
1
_
P.
On remarque, dans un premier temps que lon a dedouble la matrice Y en deux matrices Y
i
pour que
cette contrainte liante ne rende les conditions conservatives. De la meme mani`ere, on denit les matrices Z
i
de
dimension 2n 2n telles que les conditions (2.4.7) deviennent :
_
_
R
_
0
i
(A

+B

K)
T
_
P
Z
i
_
_
0 (2.4.26)
Ensuite en utilisant la meme technique que dans la demonstration du Theor`eme 2.3.12, en multipliant les
conditions LMI (2.4.7) par diagQ
1
, Q `a droite et par sa transposee `a gauche. Pour obtenir les conditions :
_
_
Q
1
RQ
1
_
0
i
Q
1
(A

+B

K)
T
_
Q
T
Z
i
Q
_
_
0 ,
_
_
Q
1
R
a
Q
1
_
0
i
Q
1
(A

+B

K)
T
_
Q
T
Z
i
a
Q
_
_
0 (2.4.27)
En posant W
i
= Q
T
Z
i
Q, W
i
a
= Q
T
Z
i
a
Q, U = R
1
et U
a
= R
1
a
et en utilisant la meme majoration que
dans la demonstration du Theor`eme 2.3.12, on retrouve les conditions LMI (2.4.23).
Dautre part, dans lequation (2.4.6), on peut appliquer le complement de Schur aux termes R et R
a
`a la
mani`ere de (2.3.35). On obtient alors :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
52 Chapitre 2. Stabilite exponentielle des syst`emes lineaires
_

i
2
(1 )P
T
_
0

i
A
1
_

_
0
I
n
_

_
0
I
n
_
S 0 0
R
1
0
2R
1
a
_

_
< 0, (2.4.28)
avec

i
2
= P
T
_
0 I
n
A
0
+I
n
I
n
_
+
_
0 I
n
A
0
+I
n
I
n
_
T
P +Z
i
+Z
i
a
+
_
I
n
0
__
0

i
A
1
_
T
P +P
T
_
0

i
A
1
__
I
n
0
_
T
+
_
S 0
0 0
_
.
On multiplie alors la condition (2.4.28) `a droite par diagQ, Q
1
, I
n
, I
n
et par sa transposee `a gauche. Ainsi,
en posant U = S
1
et U
a
= S
1
a
la condition de stabilite exponentielle devient :
_

i
2
(1 )
_
0

i
A
1
_
Q
1
Q
T
_
0
I
n
_
Q
T
_
0
I
n
_
Q
1
SQ
1
0 0
U 0
2U
a
_

_
< 0,
o` u

i
2
=
_
0 I
n
A
0
+I
n
I
n
_
Q+Q
T
_
0 I
n
A
0
+I
n
I
n
_
T
P +Q
T
Z
i
Q+Q
T
Z
i
a
Q
+Q
T
_
I
n
0
__
0

i
A
1
_
T
+
_
0

i
A
1
__
I
n
0
_
T
Q+Q
T
_
S 0
0 0
_
Q.
On pose alors T = Q
1
SQ
1
, W
i
= Q
T
Z
i
Q, W
i
a
= Q
T
Z
i
a
Q et Y = KQ
1
. On retrouve ainsi la LMI (2.4.22).
Dautres resultats peuvent etre developpes `a partir des techniques et theor`emes des parties proposees dans
les paragraphes precedents.
2.4.3 Exemple
An de montrer la pertinence des resultats de stabilisation exponentielle dans le cas des syst`emes `a retard
borne, nous proposons lexemple suivant :
A
0
=
_
1 1
2 0.5
_
A
1
=
_
1 0
0 0.5
_
. (2.4.29)
Les conditions LMI du Theor`eme 2.4.1 donnent les valeurs de retard maximal admissible suivant pour des
valeurs dierentes de
1
. Ces valeurs sont repertoriees dans le Tableau 2.3.
On remarque que lorsque le retard varie dans un intervalle de longueur petite le taux de convergence expo-
nentielle est plus important.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.5. CAS PARTICULIER DES SYST
`
EMES NEUTRES
`
A RETARD CONSTANT 53
0 0.2 0.4 0.6 0.8 1

1
= 0 1.259 0.974 0.822 0.727 0.660 0.609

1
= 0.5
2
2.519 1.576 1.176 0.985 0.871 0.790

1
= 0.9
2
12.550 2.888 1.719 1.324 1.123 0992
Tab. 2.3 Valeurs maximales de
2
en fonction de .
2.5 Cas particulier des syst`emes neutres `a retard constant
Dans ce paragraphe, nous allons nous interesser au cas des syst`emes neutres. Ce type de syst`emes intervient
notamment lors de phenom`enes de propagation donde [44]. Sans perte de generalite, le syst`eme que nous allons
considerer ici est le suivant :
x(t) F x(t ) = A
0
x(t) +A
1
x(t ), (2.5.1)
o` u x represente respectivement letat. Les matrices A
0
, A
1
et F sont des matrices constantes de dimension
appropriee. Dautrepart, on suppose que le retard est constant. Nous considerons pour simplier le probl`eme
que les retards des termes neutre et retarde sont egaux.
2.5.1 Stabilite exponentielle
Nous introduisons la nouvelle variable x

(t) = e
t
x(t) qui conduit `a lequation :
x

(t) = (A
0
+I
n
)x

(t) +Fe
t
x(t ) +e

A
1
x

(t ). (2.5.2)
Cette equation nest pas encore exprimee correctement puisquil subsiste un terme en fonction de la solution
x. Or en remarquant que :
e
t
x(t ) = e

(t ) e

(t ), (2.5.3)
on obtient lequation dierentielle suivante :
x

(t) = (A
0
+I
n
)x

(t) +e

F x

(t ) + (A
1
F)e

(t ). (2.5.4)
La transformation qui consiste `a remplacer x par x

dans le cas dun elements neutre introduit un terme


retarde supplementaire dont il faut tenir compte pour caracteriser la stabilite exponentielle. Notre objectif est
de determiner des conditions qui garantissent la stabilite asymptotique du syst`eme 2.5.4. Dapr`es [85], une
condition necessaire de stabilite des syst`emes neutres est que la matrice correspondant au terme neutre ait des
valeurs propres strictement incluses dans le cercle unite, cest-`a-dire :
(e

F) < 1. (2.5.5)
o` u (.) est le rayon spectral. En dautres termes, cela signie que les valeurs propres de la matrice F sont incluses
dans le cercle de centre lorigine et de rayon e

.
Theor`eme 2.5.1 [132] Le syst`eme (2.5.1) est exponentiellement stable, avec un taux de convergence > 0
veriant (2.5.5), pour le retard constant > 0, sil existe des matrices de dimension n n, P
1
, S, U et R
symetriques denies positives et P
2
, P
3
, Z
1
, Z
2
, Z
3
, Y
1
, Y
2
, telles que les conditions LMI suivantes soient
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
54 Chapitre 2. Stabilite exponentielle des syst`emes lineaires
satisfaites :

1
=
_

1
P
T
_
0
(A
1
F)e

_
Y
T
P
T
_
0
e

F
_
S 0
U
_

_
< 0, (2.5.6)
et
_
R Y
Z
_
0, (2.5.7)
avec
P =
_
P
1
0
P
2
P
3
_
, Z =
_
Z
1
Z
2
Z
T
2
Z
3
_
, Y =
_
Y
1
Y
2
_
, (2.5.8)
o` u la matrice
1
est donnee par :

1
= P
T
_
0 I
n
A
0
+I
n
I
n
_
+
_
0 I
n
A
0
+I
n
I
n
_
T
P
+Z +
_
Y
0
_
+
_
Y
0
_
T
+
_
S 0
0 R +U
_
,
(2.5.9)
Demonstration. La demonstration de ce theor`eme utilise une fonctionnelle de Lyapunov-Krasovskii denie
par :
V

(t) = x
T

(t)EP x

(t) +
_
0

_
t
t+
x
T

(s)R x

(s)dsd
+
_
t
t
x
T

(s)Sx

(s)ds +
_
t
t
x
T

(s)U x

(s)ds,
(2.5.10)
Dapr`es le Theor`eme 2.2.1, la derivation de la fonctionnelle de Lyapunov-Krasovskii conduit `a linegalite
suivante :

(t) (t)
T
_

1
P
T
_
0
(A
1
F)e

_
Y
T
S
_

_
(t) + x
T

(t)P
T
_
0
e

F
_
x

(t )
+ x
T

(t)U x

(t) x
T

(t )U x

(t ),
(2.5.11)
o` u (t) = colx

(t), x

(t), x

(t ), la matrice A
1
est remplacee par A
1
e

F et o` u

1
=
1

_
0 0
0 U
_
.
Ainsi en introduisant le nouveau vecteur

(t) = colx

(t), x

(t), x

(t ), x

(t ), on obtient :

(t)
T
(t)
1

(t) (2.5.12)
Si les conditions LMI du Theor`eme 2.5.1 sont satisfaites, le syst`eme transforme (2.5.2) est asymptotiquement
stable, et par consequent le syst`eme initial (2.5.1) est exponentiellement stable.
2.5.2 Exemple
An de montrer la pertinence des resultats de stabilisation exponentielle dans le cas des syst`emes neutres `a
retard simple constant, nous proposons lexemple suivant :
A
0
=
_
2 0
0 2
_
A
1
=
_
0 0
0 1
_
F =
_
0 0
0 0.1
_
B =
_
0
0
_
, (2.5.13)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
2.6. CONCLUSION 55
La Figure 2.1 permet de comparer les courbes representant le degre de convergence exponentielle en
fonction du retard maximal admissible. La Figure 2.1 montre que les conditions du Theor`eme 2.5.1 sont moins
conservatives que les resultats de Mondie et al. [82] pour
2
1.08 :
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
0
0.5
1
1.5
2
h

m
a
x
KharitonovMondi
SeuretFridmanRichard
Fig. 2.1 Relation entre le degre de convergence exponentielle et le retard maximal admissible
2.6 Conclusion
Dans ce chapitre, nous avons expose diverses techniques qui permettent de developper des crit`eres de stabilite
exponentielle `a taux de convergence garanti pour le cas des syst`emes lineaires `a coecients constants et `a
retard. Nous avons aussi montre que ces crit`eres tiennent compte du type de retards (constants, variables
majores ou bornee, multiples). Dans le cas des retards variables, les resultats sont robustes par rapport au
retard, puisquils ne necessitent pas la connaissance du retard. Puis `a partir de ces theor`emes de stabilite nous
avons propose des resultats concernant la stabilisation exponentielle `a taux garanti en proposant une loi de
commande par retour detat. Une autre extension a ete proposee pour resoudre le probl`eme de la stabilisation `a
co ut garanti. Les resultats obtenus peuvent etre ameliorer en utilisant les recents resultats concernant le stabilite
asymptotique des syst`emes `a retards et les fonctionnelles de Lyapunov-Krasovskii discretisees.
Cependant il reste plusieurs points `a developper. Le premier point concerne la robustesse de ces resultats.
Il reste `a considerer une classe de syst`emes plus large que les syst`emes lineaires. En eet ils ne representent
generalement des mod`eles simplies visant `a rendre compte du comportement dun syst`eme au voisinage dun
point de fonctionnement ou dune trajectoire de reference. On peut donc se demander sil est possible delargir
ces resultats au cas non-lineaire ou en presence dincertitudes param`etriques. Nous proposons une etude de
stabilite et de stabilisation exponentielle de syst`emes non lineaires dans le chapitre suivant.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
56 Chapitre 2. Stabilite exponentielle des syst`emes lineaires
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Chapitre 3
Stabilite des syst`emes non lineaires `a
retards
3.1 Introduction
Dans le chapitre precedent, nous avons propose des crit`eres de stabilite et des lois de commande pour les
syst`emes lineaires `a retards sur letat et lentree. Il nous a paru interessant detendre ces resultats aux cas des
syst`emes dont la dynamique ne peut se reduire `a des equations lineaires.
Les syst`emes non lineaires sont en eet des mod`eles plus proches de la realite en ce sens que leur validite
nest pas necessairement limitee `a un voisinage immediat dun point de fonctionnement ou dune trajectoire de
reference. Les mod`eles lineaires etudies au chapitre precedent ne constituent donc quune approximation et il est
important en pratique detudier les eets des non-linearites negligees sur le comportement du syst`eme boucle.
Ceci peut etre realise `a travers une etude de la robustesse de la stabilite vis-`a-vis dincertitudes parametriques.
Un autre phenom`ene devant etre pris en compte en pratique est celui de saturation de la commande. Du
fait que les actionneurs ne peuvent delivrer un puissance innie, une saturation devient un facteur dinstabilite
quil est important de considerer dans la synth`ese de la loi de commande.
Nous avons donc choisi de distinguer deux parties dans ce chapitre :
La premi`ere est composee des sections 3.2, 3.3 et 3.4. Elle concerne la stabilite et la stabilisation de
syst`emes dont les non-linearites sont pris en compte de deux mani`eres dierentes. La premi`ere consiste `a
emerger la classe des syst`emes non lineaires anes en lentree en mod`eles polytopiques. La seconde traite
les non-linearites comme des incertitudes parametriques quune synth`ese de loi de commande robuste
permet dabsorber.
La seconde, composee des sections 3.5, 3.6 et 3.7, traite du probl`eme de la stabilisation de syst`emes pour
lesquels la commande est soumis `a des contraintes damplitude.
57
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
58 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
3.2 Syst`emes anes en lentree
3.2.1 Notations et formulation du probl`eme
Dans ce chapitre, nous nous interesserons aux syst`emes non lineaires anes en la commande de la forme
suivante :
_
x(t) = f(t, x
t
) +g(t, x
t
)u(t) +h(t, x
t
)u(t ),
x(t) = (t) pour t [
2
, 0],
(3.2.1)
o` u
2
represente la borne superieure du retard qui peut etre variable dans le temps. f est une fonctionnelle
`a valeurs dans R
n
dependant du temps et de la fonction x
t
associee `a la solution par x
t
() = x(t + ) o` u
[
2
, 0]. g et h sont des fonctionnelles `a valeurs dans R
nm
. La fonction denie sur lintervalle [
2
, 0]
represente les conditions initiales .
Remarque 3.2.1 Nous considerons ici une classe restreinte de syst`emes non lineaires `a retards. En eet, les
syst`emes que nous allons etudier ici sont anes en la commande.
An detendre les resultats du chapitre precedent au cas non lineaire, nous nous proposons de transformer
le syst`eme (3.2.1) en un syst`eme plus simple `a etudier, meme si cette transformation introduit un certain
conservatisme.
3.2.2 Transformations du syst`eme initial
Le but de cette partie est de presenter des transformations qui permettent danalyser plus facilement les
syst`emes non lineaires de la forme (3.2.1). Dans un premier cas, le syst`eme (3.2.1) peut secrire comme un
syst`eme multimod`ele (cest `a dire un ensemble de mod`eles lineaires ponderes de facon non lineaire [140]). Ceci
sexprime de la mani`ere suivante :
z(t) =

iI
r
h
i
(z
t
) (A
i
z(t) +A
i

z(t (t)) +B
i
u(t) +B
i

u(t (t))) , (3.2.2)


o` u z represente les variables detat du syst`eme dans la nouvelle representation. Lensemble I
r
est lensemble des
entiers 1, . . . , r o` u r represente le nombre de sous-syst`emes necessaires `a la description du syst`eme multimod`ele.
Les fonctions h
i
(.) sont des fonctions scalaires de ponderation veriant les conditions de convexite :

iI
r
h
i
(z
t
) = 1 i = 1, ..r, h
i
(z
t
) 0.
Il est egalement possible dutiliser une autre formulation. Celle-ci utilise la modelisation des syst`emes `a pa-
ram`etres incertains, cest-`a-dire soumis `a des perturbations sur les matrices detats. Cette modelisation consid`ere
que les equations du syst`emes sont de la forme :
z(t) = (A+ A(z
t
))z(t) + (A

+ A

(z
t
))z(t (t))
+(B + B(z
t
))u(t) + (B

+ B

(z
t
))u(t (t)),
(3.2.3)
Ces deux transformations apportent un certain conservatisme. En eet, il est reducteur de dire que tous
les syst`emes non lineaires du type (3.2.1) peuvent secrire sous la forme (3.2.2) ou (3.2.3). Ces transformations
necessitent generalement des conditions supplementaires, comme par exemple de supposer que letat du syst`eme
reste dans une partie bornee de lespace detat [140].
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.2. SYST
`
EMES AFFINES EN LENTR

EE 59
Dans la suite de ce chapitre, nous verrons que ces deux representations permettent determiner des crit`eres
de stabilite et de stabilisation exponentielles pour une classe de syst`emes non lineaires.
3.2.3 Exemple du pendule et du chariot
On consid`ere le syst`eme mecanique du pendule inverse presente Figure 3.1.

(m)
(M)
Fig. 3.1 Presentation du pendule inverse
Les ecritures des equations dEuler-Lagrange nous permettent alors dobtenir les equations du mouvement :
_
u f x = (M +m) x +
ml
2

cos
ml
2

2
sin ,
K

=
ml
2
4

+
ml
2
xcos
mgl
2
sin ,
(3.2.4)
o` u x est la position du chariot et , langle que forme la barre avec la verticale ascendante. l est la longueur de
la barre et m sa masse, M est la masse du chariot, f x et K

represente respectivement la force et le couple
resistant exerces par les frottements. An dexprimer lequation (3.2.4) sous forme de mod`ele detat, on ecrit
ces deux equations dierentielles du second ordre couplees et implicites sous forme dun syst`eme dierentiel du
premier ordre explicite. Ainsi (3.2.4) devient :
1
4
_
4(M +m) 2ml cos
2ml cos ml
2
__
x

_
=
1
2
_
2u 2f x +ml

2
sin
K

+mgl sin
_
, (3.2.5)
que lon peut encore ecrire
x =
2ul 2mgl cos sin 2fl x + 4K

cos +ml
2

2
sin
2l(M +mmcos
2
)

= 4
(M +m)(


1
2
mgl sin )
1
2
ml cos (f x u
1
2
ml

2
sin )
ml
2
(M +mmcos
2
)
.
Nous allons utiliser une base de vecteur detat suggeree par le Lagrangien decrit dans lequation (3.2.5). On
propose le changement de variables suivant :
_

_
z
1
=
1
2
ml cos x +
1
4
ml
2

,
z
2
= ,
z
3
= (M +m)lx +
1
4
ml
2
sin ,
z
4
= (M +m)l x +
1
4
ml
2

cos .
Ce changement de variables est un dieomorphisme de R
4
dans R
4
car la jacobienne de la matrice de
changement de base est toujours de determinant non nul. Ainsi on peut inverser ces relations. On obtient alors
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
60 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
pour x, x et

les equations suivantes :
_

_
x =
z
3
1/4ml
2
sinz
2
(M+m)l
,
x =
lz
4
2 cos(z
2
)z
1
lD(z
2
)
,

=
4(1+
M
m
)z
1
2l cos(z
2
)z
4
l
2
D(z
2
)
,
,
et avec
D(z
2
) = M +mmcos
2
.
Ainsi dans cette base, lequation dierentielle du premier ordre qui regit le syst`eme est :
z(t) = A(z)z(t) +B
1
u(t (t)), (3.2.6)
o` u
A(z) =
_

_
F
11
(z) mgl sinc(z
2
) 0 F
14
(z)
4(1+M/m)
l
2
D(z
2
)
0 0
2 cos z
2
l
2
D(z
2
)
0 0 0 1
2f cos z
2
D(z
2
)
0 0
f
D(z
2
)
_

_
, B
1
=
_

_
0
0
0
1
_

_
.
Les fonctions F
ij
dependent de letat z et sont denies par :
F
11
(z) = (
1
2
ml sin(z
2
) x +K)
4(1+M/m)
l
2
D(z
2
)
,
F
14
(z) = (
1
2
ml sin(z
2
) x +K)
2 cos z
2
l
2
D(z
2
)
.
Linteret de cette modelisation est premi`erement que la matrice de commande est constante. Dautre part,
on elimine les termes en

2
par rapport `a la representation classique.
Notre objectif est dappliquer les transformations presentees dans la partie precedente. Pour cela, il faut que
la fonction A(z) soit une fonction bornee de lespace detat. Or le facteur
1
2
ml sin z
2
x + K nest visiblement
pas borne. Cest pourquoi nous allons utiliser les caracteristiques physiques du syst`eme. On peut, par exemple,
considerer que le moteur qui agit sur le chariot poss`ede une certaine vitesse angulaire maximale. Ainsi, on peut
considerer que la vitesse x du chariot est bornee. De meme, on peut supposer que lamplitude du deplacement
angulaire de la barre est limitee en se restreignant `a un espace deni par
max
.
Si, par exemple, on se donne x
max
= 2.5, on peut supposer que lespace detat admissible est borne. De
l`a, nous supposerons que la fonction A(z) est eectivement bornee sur cet espace detat. Ainsi chacune des
fonctions A
ij
(z) est bornee, on peut determiner une representation polytopique de A(z) de la forme :
A(z) =

iI
r
h
i
(z
t
)A
i
,
les matrices A
i
sont des matrices `a coecients constants. Il y a cinq fonctions independantes qui composent la
matrice A(z). Le cardinal de lensemble I
r
est de 2
5
= 32. La valeur de ces coecients, par exemple A
i,j,k
le
coecient de la ligne j et de la colonne k de la matrice A
i
, est egale soit `a la valeur maximale soit `a la valeur
minimale de la fonction A
j,k
(z). Ainsi en reprenant la Denition 2.3.5 du Chapitre 2, on note , une bijection
de 1, ..., 2
5
vers 1, 2
5
telle que, pour tout entier i de 1, ..., 2
5
, on associe (i) deni par :
i (i) = [
1
(i), ..,
5
(i)], (3.2.7)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.3. APPROCHES PAR MOD
`
ELES POLYTOPIQUES 61
o` u
j
(i) 1, 2 pour j = 1, .., 5. La matrice A
i
se presente nalement de la mani`ere suivante :
A
i
=
_

_
F

1
(i)
11
F

2
(i)
12
0 F

3
(i)
14
4(1+M/m)
l
2
D

4
(i)
0 0
2
l
2
CD

4
(i)
0 0 0 1
2fCD

5
(i)
0 0 fD

4
(i)
_

_
,
o` u
F
1
11
F
11
(z) F
2
11
,
F
1
12
mgl sinc(z
2
) F
2
12
,
F
1
14
F
14
(z) F
2
14
,
CD
1

cos(z
2
)
D(z
2
)
CD
2
,
D
1

1
D(z
2
)
D
2
.
Les fonctions h
i
(z
t
), i I
r
sont des fonctions scalaires de ponderation, non necessairement connues, qui
satisfont la propriete de convexite :
h
i
(z
t
) 0, i I
r
,

iI
r
h
i
(z
t
) = 1.
Lequation dierentielle (3.2.6) peut donc secrire :
z(t) =

iI
r
h
i
(z
t
) A
i
z(t) +B
1
u(t (t)) .
Pour la modelisation par mod`ele incertain, il faut isoler les fonctions de perturbation. Si lon se place sur une
partie bornee de lespace detat, les fonctions F
11
(z), sinc(z
2
), F
14
(z), 1/D(z
2
) et cos(z
2
)/D(z
2
) sont bornees.
En les decomposant en la somme dune constante representant la valeur nominale et dun terme variant en
fonction de z et representant des incertitudes bornees, on peut transformer lequation dierentielle (3.2.6) en
un syst`eme perturbe de la forme (3.2.3). Nous reviendrons sur cet exemple dans le Chapitre 6.
3.3 Approches par mod`eles polytopiques
3.3.1 Presentation du probl`eme
Cette partie est consacree `a lanalyse de la stabilite dun syst`eme represente par le mod`ele polytopique
suivant :
x(t) =

iI
r

i
(t, x
t
) A
i
x(t) +A
i
x(t (t)) +B
i
u(t) +B
i
u(t (t)) ,
x() = (), [
2
, 0],
u() = (), [
2
, 0],
(3.3.1)
o` u x(t) R
n
represente le vecteur detat, u(t) R
m
represente le vecteur de commande. Les matrices A
i
, A
i

R
nn
et B
i
, B
i
R
nm
, pour tout i I
r
, sont les matrices detat supposees constantes. Les fonctions
i
(t)
sont des fonctions continues de ponderation qui verient la condition de convexite :

iI
r

i
(t, x
t
) = 1, t 0, et

i
(t, x
t
) 0, i I
r
, t 0.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
62 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
Notre objectif est de determiner des conditions de stabilite exponentielle du syst`eme en boucle fermee avec
une loi de commande par retour detat de la forme :
u(t) = Kx(t).
Dans la suite de cette partie, nous supposerons que le retard (t) est majore et verie linegalite suivante :
0 (t)
2
. (3.3.2)
3.3.2 Stabilite exponentielle
Dans un premier temps, nous allons nous concentrer sur le probl`eme de la stabilisation du syst`eme en boucle
ouverte (avec u(t) = 0). Considerons alors le syst`eme suivant :
x(t) =

iI
r

i
(t, x
t
) A
0i
x(t) +A
1i
x(t (t)) , (3.3.3)
Comme dans le chapitre precedent, nous allons introduire la nouvelle variable x

(t) = e
t
x(t). Ainsi, si on
determine des conditions de stabilite asymptotique de la solution nulle du syst`eme decrit par la variable x

(t),
alors ces conditions garantissent simultanement la convergence exponentielle de la solution nulle du syst`eme
initial. Le syst`eme (3.3.3), apr`es changement de variables, devient :
x

(t) =

iI
r

i
(t, x
t
)
_
(A
0i
+I
n
)x

(t) +e
(t)
A
1i
x

(t (t))
_
, (3.3.4)
On se propose de determiner des conditions de stabilite en utilisant les approches par mod`ele polytopique
et par mod`ele incertain du terme e
(t)
.
Modelisation polytopique
Le terme exponentiel est presente sous forme polytopique, cest-`a-dire :
e
(t)
=
1
(t)
1
+
2
(t)
2
, (3.3.5)
o` u
1
= 1 et
2
= e

2
. Les fonctions
i
(t) sont des fonctions scalaires de ponderation qui ne dependent que de
la valeur du retard (t) et verient les conditions de convexite suivantes :
t t
0
,
1
(t) +
2
(t) = 1,
1
(t) 0 et
2
(t) 0.
On propose le theor`eme suivant :
Theor`eme 3.3.1 La solution x(t) = 0 du syst`eme (3.3.3) est -stable pour tout retard variable (t)
2
, sil
existe des matrices de dimension n n, P
2
, P
3
, Z
ij
1
, Z
ij
2
, Z
ij
3
(pour i I
r
, et pour j I
2
et deux matrices
symetriques denies positives de dimension n n, P
1
et R qui verient les conditions LMI suivantes :

ij
< 0 et
_
_
R
_
0
j
A
T
1i
_
P
Z
ij
_
_
0,
(i, j) I
r
I
2
(3.3.6)
avec
P =
_
P
1
0
P
2
P
3
_
, Z
ij
=
_
Z
ij
1
Z
ij
2
Z
ijT
2
Z
ij
3
_
(3.3.7)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.3. APPROCHES PAR MOD
`
ELES POLYTOPIQUES 63
et

ij
= P
T
_
0 I
n

ij
I
n
_
+
_
0 I
n

ij
I
n
_
T
P +
2
Z
ij
+
_
0 0
0
2
R
_
,

ij
= I
n
+A
0i
+
j
A
1i
.
Demonstration. La decomposition (3.3.5) du terme e
(t)
permet de decrire le syst`eme (3.3.3) sous une
forme polytopique et descripteur en introduisant la variable augmentee x

(t) = colx

(t), x

(t). La fonction-
nelle de Lyapunov-Krasovskii candidate est la suivante :
V

(t) = x
T

(t)EP x

(t) +
_
0

2
_
t
t+
x
T

(s)R x

(s)dsd, (3.3.8)
o` u E = diagI
n
, 0 et P =
_
P
1
0
P
2
P
3
_
, P
1
> 0.
Dans un premier temps, le syst`eme (3.3.4) est presente sous une forme polytopique globale, cest-`a-dire en
comprenant les modications dues au terme e
(t)
. On a alors :
x

(t) =

(i,j)I
r
I
2

ij
(t) (A
0i
+I
n
)x

(t) +
j
A
1i
x

(t (t)) ,
o` u

ij
(t) =
i
(t)
j
(t). On remarque aisement que ces fonctions

ij
(t) satisfont `a la conditions de convexite :

(i,j)I
r
I
2

ij
(t) = 1, t 0, et

ij
(t) 0, (i, j) I
r
I
2
, t 0.
(3.3.9)
En utilisant la formule de Leibniz, on transforme le syst`eme en :
x

(t) =

(i,j)I
r
I
2

ij
(t)
_
(A
0i
+I
n
+
j
A
1i
)x

(t)
j
A
1i
_
t
t(t)
x

(s)de
_
,
Le raisonnement est identique `a la demonstration du Theor`eme 2.3.2. La fonctionnelle V

est bien denie


positive car on remarque que x
T

(t)EP x

(t) = x
T

(t)P
1
x

(t). Sachant que EP = P


T
E, le calcul de la derivee
par rapport au temps de la fonctionnelle (3.3.8) aboutit `a :

V (t) = x
T

(t)
0
(t) x

(t) +
0
(t) +
2
x
T

(t)R x

(t)
_
t
t
2
x
T

(s)R x

(s)ds, (3.3.10)
o` u

0
(t) =
2

iI
r
,j=1

ij
(t)
_
_
_
P
T
_
0 I
n

i
I
n
_
+
_
0 I
n

i
I
n
_
T
P
_
_
_

0
(t) = 2
2

iI
r
,j=1

ij
(t)
_
_
t
t(t)
x
T

(t)P
T
_
0

j
A
1i
_
x

(s)ds
_
.
Sachant que
0
secrit sous forme polytopique, il est alors necessaire de determiner une majoration de chacun
des sous-mod`eles du syst`eme.
_
_
R
_
0
j
A
T
1i
_
P
Z
ij
_
_
0, i I
r
et j = 1, 2.
En combinant (3.3.2) et (3.3.9), on obtient :

0
(t)
2
x
T

(t)
_

2
iI
r
,j=1

ij
(t)Z
ij
_
x

(t) +
_
t
t
2
x
T

(s)R x

(s)ds,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
64 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
avec R et Z
ij
satisfaisant `a (3.3.6b). On en deduit une majoration de (3.3.10) :
d
dt
V (t) x
T

(t)(t) x

(t),
avec
(t) =
0
(t) +
_

2
iI
r
,j=1

ij
(t)Z
ij
_
+
_
0 0
0
2
R
_
=

2
iI
r
,j=1

ij
(t) (
ij
)
Lensemble des matrices denies negatives etant convexe, le syst`eme (3.3.4) est asymptotiquement stable si
chacune des matrices
ij
est denie negative, cest-`a-dire si les conditions (3.3.1) sont satisfaites. On en deduit
alors la convergence exponentielle de degre du syst`eme (3.3.3) vers la solution nulle.
Modelisation avec incertitudes param`etriques
La decomposition du terme exponentiel sous la forme
e
(t)
=
m
+ (t)
d
(o` u (t) est une fonction reelle inconnue, dependant de la valeur du retard et veriant [(t)[ 1) conduit au
nouveau resultat :
Theor`eme 3.3.2 Le syst`eme (3.3.3) est stable pour tout retard (t) satisfaisant (3.3.2), sil existe des
matrices de R
nn
P
1
, R
m
, R
d
, symetriques denies positives, des matrices P
2
, P
3
, Z
ij
1
, Z
ij
1
et Z
ij
1
pour tout
i I
r
et j = 1, 2, telles que les conditions LMI suivantes soient realisees :

i
< 0, (3.3.11)
et
_
_
R
i
_
0
j
A
T
1i
_
P
Z
ij
_
_
0, i = m, d, (3.3.12)
o` u
P =
_
P
1
0
P
2
P
3
_
Z
ij
=
_
Z
ij
1
Z
ij
2
Z
ijT
2
Z
ij
3
_
et

i
= P
T
_
0 I
n
A
0i
+I
n
+
m
A
1i
I
n
_
+
_
0 I
n
A
0i
+I
n
+
m
A
1i
I
n
_
T
P
+
_
R
d
0
0
2
(R
m
+R
d
)
_
+Z
id
+
2
(Z
im
+Z
id
),

m
= (1 +e

2
)/2,
d
= (e

2
1)/2
Demonstration.
La formule de Leibniz permet de transformer le terme retarde en integrale de la mani`ere suivante :
x

(t) =

iI
r

i
(t, x
t
)
_
(A
0i
+I
n
+ (
m
+ (t)
d
)A
1i
)x

(t) (
m
+ (t)
d
)A
1i
_
t
t(t)
x

(s)ds.
_
(3.3.13)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.3. APPROCHES PAR MOD
`
ELES POLYTOPIQUES 65
On ecrit alors le syst`eme (3.3.13) sous la forme descripteur en denissant la variable augmentee x

= colx

, x

:
E

x

(t) =

iI
r

i
(t, x
t
)
__
0 I
n
A
0i
+I
n
+
m
A
1i
I
n
_
x

(t) +
_
0
(t)
d
A
1i
_
x

(t)

_
0

m
A
1i
_
_
t
t(t)
x

(s)ds
_
0
(t)
d
A
1i
_
_
t
t(t)
x

(s)ds
_
.
(3.3.14)
On introduit alors la fonctionnelle de Lyapunov-Krasovskii :
V

(t) = x
T

(t)EP x

(t) +
_
0

2
_
t
t+
x
T

(s)(R
m
+R
d
) x

(s)dsd. (3.3.15)
En derivant la fonctionnelle (3.3.15) le long des trajectoires du syst`eme (3.3.14), on obtient :

(t) =

iI
r

i
(t, x
t
)
_
x
T

(t)
_
P
T
_
0 I
n
A
0i
+I
n
+
m
A
1i
I
n
_
+
_
0 I
n
A
0i
+I
n
+
m
A
1i
I
n
_
T
P
_
_
x

(t)
_
_
_
+
0
(t) +
1
(t) +
2
(t)
(3.3.16)
o` u

0
(t) = 2

iI
r

i
(t, x
t
)
_
x
T

(t)P
T
_
0
(t)
d
A
1i
_
x

(t)
_
,

1
(t) = 2

iI
r

i
(t, x
t
)
_
x
T

(t)P
T
_
0

m
A
1i
_
_
t
t(t)
x

(s)ds
_
,

2
(t) = 2

iI
r

i
(t, x
t
)
_
x
T

(t)P
T
_
0
(t)
d
A
1i
_
_
t
t(t)
x

(s)ds
_
.
(3.3.17)
Si les inegalites (3.3.12) sont satisfaites, alors il est possible de majorer les fonctions
k
pour k = 0, 1, 2 dans
(3.3.17) de la facon suivante :

0
(t)

iI
r

i
(t, x
t
)
_
x

(t)
T
Z
id
x

(t) +x
T

(t)R
d
x

(t)
_
,

1
(t)
2

iI
r

i
(t, x
t
)
_
x

(t)
T
Z
im
x

(t) +
_
t
t(t)
x
T

(s)R
m
x

(s)ds
_
,

2
(t)

iI
r

i
(t, x
t
)
_
x

(t)
T
Z
id
x

(t) +
_
t
t(t)
x
T

(s)R
d
x

(s)ds
_
, .
Ainsi, en reinjectant ces majorations dans (3.3.16), on obtient :

(t)

iI
r

i
(t, x
t
)
_
x
T

(t)
i
x

(t)
_
.
Ainsi, si les conditions LMI (3.3.11) et (3.3.12) sont veriees, la stabilite asymptotique du syst`eme (3.3.4)
et, donc, la stabilite exponentielle de (3.3.3) sont demontrees.
3.3.3 Stabilisation exponentielle de syst`emes polytopiques
Nous allons maintenant revenir `a la stabilisation du syst`eme (3.3.1). Pour cela, nous allons considerer une
loi de commande par retour detat de la forme :
u(t) = Kx(t), (3.3.18)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
66 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
o` u K R
mn
est le gain matriciel du retour detat que lon doit determiner pour que le syst`eme en boucle
fermee soit exponentiellement stable avec un degre de convergence garanti. Le syst`eme boucle est de la forme :
x(t) =

iI
r

i
(t, x
t
) (A
i
+B
i
K)x(t) + (A
i
+B
i
K)x(t (t)) .
Dans la suite de cette partie, nous allons proposer deux theor`emes permettant de construire un tel gain K
en utilisant les approches par mod`eles polytopiques et par mod`ele incertain.
Modelisation polytopique
Theor`eme 3.3.3 La solution x(t) = 0 du syst`eme (3.3.1) est -stabilisable avec la loi de commande (3.3.18)
pour tout retard variable (t) veriant (3.3.2), sil existe des matrices de dimension n n symetriques denies
positives Q
1
, S, des matrices de dimension n n Q
2
, Q
3
, W
ij
1
, W
ij
2
, W
ij
3
pour i I
r
et pour j = 1, 2 et une
matrice de dimension m n Y , telles que les conditions LMI suivantes soient satisfaites pour i I
r
et pour
j = 1, 2 :
_

_
Q
2
+Q
T
2
+
2
W
ij
11

ij
12

2
Q
T
2
(Q
3
+Q
T
3
) +
2
W
ij
22

2
Q
T
3

2
S
_

_
< 0, (3.3.19)
_

_
2Q
1
S 0
j
(Q
1
A
T
i
+Y
T
B
T
i
)
W
ij
1
W
ij
2
W
ij
3
_

_
0, (3.3.20)
o` u

ij
12
= Q
1
(A
i
+I
n
+
j
A
i
)
T
+Y
T
(B
i
+
j
B
i
) Q
T
2
+Q
3
+
2
W
ij
12
,
et o` u

1
= 1,
2
= e

2
.
Le gain K du retour detat est alors donne par :
K = Y Q
1
1
.
Demonstration. La preuve de ce theor`eme est basee sur le Theor`eme 3.3.1 et utilise la methode proposee
dans le Theor`eme 2.3.12. La demonstration consiste `a appliquer `a chacun des sous-mod`eles les conditions LMI
de stabilisation du Theor`eme 2.3.12 presente au chapitre precedent.
Modelisation avec incertitudes param`etriques
Theor`eme 3.3.4 La solution x(t) = 0 du syst`eme (3.3.1) est -stabilisable avec la loi de commande (3.3.18)
pour tout retard variable (t) veriant (3.3.2) sil existe des matrices de dimension n n symetriques denies
positives Q
1
, S
m
et S
0
, des matrices de dimension n n Q
2
,Q
3
, W
ij
1
, W
ij
3
et W
ij
3
pour i I
r
et j = m, d et
Y une matrice de dimension mn, satisfaisant aux conditions LMI suivantes pour i I
r
et pour j = m, d :
_

i
11

i
12
Q
1

2
Q
T
2

2
Q
T
2

i
22
0
2
Q
T
3

2
Q
T
3
S
d
0 0

2
S
m
0

2
S
d
_

_
< 0, (3.3.21)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.3. APPROCHES PAR MOD
`
ELES POLYTOPIQUES 67
et
_

_
2Q
1
S
j
0
j
(Q
1
A
T
i
+Y
T
B
T
i
)
W
ij
1
W
ij
2
W
ij
3
_

_
0, (3.3.22)
o` u

i
11
= Q
2
+Q
T
2
+
2
W
im
1
+ (1 +
2
)W
id
1
,

i
12
= Q
1
(A
i
+I
n
+
m
A
i
)
T
+Y
T
(B
i
+
m
B
i
)
T
Q
T
2
+Q
3
+
2
W
im
2
+ (1 +
2
)W
id
2
,

i
22
= (Q
3
+Q
T
3
) +
2
W
im
3
+ (1 +
2
)W
id
3
,
et

m
= (1 +e

2
)/2,
d
= (e

2
1)/2.
Le gain du retour detat est alors donne par :
K = Y Q
1
.
Demonstration. Les techniques utilisees dans la demonstration sont similaires `a celle du Theor`eme 3.3.3
et du Theor`eme 2.3.12
3.3.4 Exemple
Prenons le syst`eme polytopique (3.3.1) dans le cas r = 2
:
A
1
=
_
1.9 1
0 1.1
_
, A
1
=
_
0.1 0.1
0.9 .65
_
, B
1
=
_
1.1 0
0 1.1
_
, B
1
=
_
0 0
0 0.1
_
,
A
2
=
_
2.1 1
0 0.9
_
, A
2
=
_
0.3 0.1
0.9 .45
_
, B
2
=
_
0.9 0
0 0.9
_
, B
2
=
_
0 0
0 0.1
_
,
Le Tableau 3.1 expose les resultats de la resolution des conditions LMI des Theor`emes 3.3.3 et 3.3.4.
0 0.5 1 1.5 2 2.5 3 4
Th 3.3.3 4.999 1.917 1.326 1.044 0.872 0.755 0.669 0.551
Th 3.3.4 2.221 1.443 1.102 0.905 0.744 0.680 0.609 0.507
Tab. 3.1
On voit bien que les resultats du Theor`eme 3.3.3, qui utilise lapproche par mod`eles polytopiques, sont une
nouvelle fois moins conservatifs que ceux du Theor`eme 3.3.4.
Le Theor`eme 3.3.3 garanti pour pour = 2 le syst`eme est stabilisable pour tout retard majore par
0.872s. Le gain de retour detat est alors K =
_
0.5171 1.5918
4.9995 3.5004
_
.
3.3.5 Conclusion
Dans cette premi`ere partie sur la robustesse par rapport aux param`etres, nous avons propose plusieurs
crit`eres de stabilite et de stabilisation exponentielles des syst`emes soumis `a un retard variable et majores. Ces
crit`eres sont adaptables aux cas des retards multiples et des retards bornes en utilisant les approches proposees
dans le Chapitre 2.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
68 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
3.4 Stabilisation exponentielle robuste
3.4.1 Presentation du probl`eme
Dans cette partie, nous allons nous focaliser sur les syst`emes non lineaires `a un retard variable qui se mettent
sous la forme :
x(t) = (A+ A(t, x
t
))x(t) + (A

+ A

(t, x
t
))x(t (t))
+(B + B(t, x
t
))u(t) +B

u(t (t)).
(3.4.1)
Les incertitudes parametriques ont les structures suivantes :
A(t, x
t
) = H(t)E, A

(t, x
t
) = H

(t)E

, B(t, x
t
) = H(t)D, (3.4.2)
o` u la matrice contenant les incertitudes (t) R
qp
est telle que :
t,
T
(t)(t) I
p
. (3.4.3)
Le vecteur x(t) R
n
represente le vecteur detat, u(t) R
m
est le vecteur de commande et (t) represente
le retard variant dans le temps et veriant les inegalites
0 (t)
2
, t 0. (3.4.4)
Les matrices A, A

, E, E

, H, H

R
nn
et B, B

, D sont supposees constantes et de dimensions appropriees.


Lobjectif de cette section est de determiner un gain K du retour detat
u(t) = Kx(t), (3.4.5)
qui stabilise exponentiellement le syst`eme (3.4.1).
Nous presenterons successivement le probl`eme de la stabilite puis de la stabilisation du syst`eme en boucle
fermee (3.4.1) avec la loi de commande (3.4.5). Dans la resolution de chacun de ces deux probl`emes nous
proposerons des resultats utilisant les approches polytopique et par mod`ele incertain presentees dans le chapitre
precedent.
Remarque 3.4.1 Contrairement `a la partie 3.3, la matrice B

du syst`eme (3.4.1) est supposee constante.


3.4.2 Stabilite exponentielle de syst`emes soumis `a des incertitudes
Premi`erement, nous allons nous interesser au probl`eme de la stabilite du syst`eme sans commande. Pour cela,
nous allons nous focaliser sur les syst`emes `a retard variable et avec des incertitudes parametriques regis par des
equations de la forme :
x(t) = (A
0
+H
0
(t, x
t
)E
0
)x(t) + (A
1
+H
1
(t, x
t
)E
1
)x(t (t)). (3.4.6)
o` u
A
0
(t) = H
0
(t, x
t
)E
0
, A
1
(t) = H
1
(t, x
t
)E
1
. (3.4.7)
Dans ce paragraphe, nous allons donner des conditions de stabilite exponentielle avec un taux de decroissance
exponentielle garanti. Par denition, la stabilite exponentielle de la solution nulle de (3.4.6) est equivalente `a
lexistence dun nombre positif > 0 tel que e
t
x(t; t
0
, x
0
) converge asymptotiquement vers la solution nulle. Il
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.4. STABILISATION EXPONENTIELLE ROBUSTE 69
est ainsi naturel dintroduire la nouvelle variable x

(t) = e
t
x(t). On en deduit le nouveau syst`eme decrit par
les equations dierentielles :
x

(t) = (A
0
+I
n
+H
0
(t, x
t
)E
0
)x

(t) +e
(t)
(A
1
+H
1
(t, x
t
)E
1
)x

(t (t)), (3.4.8)
et comme dans le chapire 2, la stabilite asymptotique du syst`eme decrit par lequation (3.4.8) pour un > 0
implique l-stabilite du syst`eme initial (3.4.6).
Modelisation polytopique
En utilisant une representation polytopique du terme exponentiel e
(t)
, on obtient le theor`eme suivant :
Theor`eme 3.4.2 [130] La solution x(t) = 0 du syst`eme (3.4.6) est -stable pour tout retard variable (t)
veriant (3.4.4), sil existe des matrices symetriques denies positives de dimension n n, P
1
et R > 0, des
matrices de dimension nn, P
2
, P
3
, et des reels positifs
0
and
1
telles que les inegalites matricielles suivantes
soient satisfaites pour i = 1, 2 :

i
=
_

i
11

2
P
T
_
0
A
1

i
_

0
P
T
_
0
H
0
_

1
P
T
_
0
H
1
_ _
E
T
0
0
_ _
E
T
1

i
0
_ _
0

2
E
T
1
_

2
R 0 0 0 0 0

0
I
q
0 0 0 0


1
(1+
2
)
I
q
0 0 0

0
I
p
0 0

1
I
p
0

1

2
I
p
_

_
< 0,
(3.4.9)
o` u

i
11
=
_
0 I
n
/
i
I
n
_
T
P +P
T
_
0 I
n
/
i
I
n
_
+
_
0 0
0
2
R
_
, (3.4.10)
et o` u
P =
_
P
1
0
P
2
P
3
_
et

1
= 1,
2
= e

2
,
/
i
= A
0
+I
n
+
i
A
1
.
(3.4.11)
Demonstration. La principale diculte provient du terme e
(t)
du syst`eme transforme (3.4.8). Comme
dans le chapitre precedent, nous proposons une modelisation polytopique de ce terme variant en utilisant ces
bornes (3.4.4) an dexprimer le syst`eme (3.4.8) comme une somme ponderee de syst`emes lineaires `a coecients
constants. On obtient alors :
e
(t)
=
1
(t)
1
+
2
(t)
2
,
o` u les fonctions scalaires
i
(t) dependent de la valeur du retard (t) et verient les conditions de convexite
suivantes :

1
(t),
2
(t) 0 et
1
(t) +
2
(t) = 1.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
70 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
En utilisant cette approche, lequation du syst`eme (3.4.8) devient :
x

(t) = (A
0
+I
n
+H
0
(t, x
t
)E
0
)x

(t) +
2

i=1

i
(t)(A
1
+
i
H
1
(t, x
t
)E
1
(t))x

(t (t)) (3.4.12)
An danalyser la stabilite du syst`eme (3.4.12), On ecrit le syst`eme sous sa forme descripteur :
E

x

(t) =
_
0 I
n

2
i=1

i
(t)[/
i
+H
0
(t, x
t
)E
0
+
i
H
1
(t, x
t
)E
1
] I
n
_
x

(t)

_
0

2
i=1

i
(t)(A
1
+
i
H
1
(t, x
t
)E
1
)
_
_
t
t
x

(s)ds
avec x

(t) = colx

(t), x

(t), E = diagI
n
, 0.
Soit la fonctionnelle V denie par
V (t) = x
T

(t)EP x

(t) +
_
0

2
_
t
t+
x
T

(s)(R +
1
1
e
2
2
E
T
1
E
1
) x

(s)dsd,
o` u P =
_
P
1
0
P
2
P
3
_
, P
1
> 0.
La fonctionnelle V (t) est denie positive puisque x
T

(t)EP x

(t) = 2x
T

(t)P
1
x

(t), ainsi. De plus, comme


EP = P
T
E, on obtient lexpression de la derivee temporelle de V (t) :

V (t) = x
T

(t)
0
(t) x

(t) +
0
(t) +
1
(t) +
2
(t) +
3
(t)
+
2
x
T

(t)(R +
1
1
e
2
2
E
T
1
E
1
) x

(t)
_
t
t
2
x
T

(s)(R +
1
1
e
2
2
E
T
1
E
1
) x

(s)ds,
o` u

0
(t) = P
T
_
0 I
n

2
i=1

i
(t)/
i
I
n
_
+
_
0 I
n

2
i=1

i
(t)/
i
I
n
_
T
P,

0
(t) = 2
_
t
t(t)
x
T

(t)P
T
_
0
e
(t)
A
1
_
x

(s)ds,

1
(t) = 2 x
T

(t)P
T
_
0
H
0
_
(t)E
0
x

(t),

2
(t) = 2 x
T

(t)P
T
_
0
H
1
_
e
(t)
(t)E
1
x

(t),

3
(t) = 2
_
t
t(t)
x
T

(t)P
T
_
0
H
1
_
(t)e
(t)
E
1
x

(s)ds.
En appliquant la majoration classique qui, pour toute matrice R R
nn
denie positive et pour tous
vecteurs a et b de R
n
, on obtient :
2a
T
b a
T
R
1
a +b
T
Rb,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.4. STABILISATION EXPONENTIELLE ROBUSTE 71
qui associee aux inegalites (3.4.3) et (3.4.4) conduit aux inegalites suivantes :

0
(t)
2
x
T

(t)P
T
_
0

A
1
(t)
_
R
1
_
0

A
1
(t)
_
T
P x

(t) +
_
t
t
2
x
T

(s)R x

(s)ds,

1
(t)
0
x
T

(t)P
T
_
0
H
0
_
_
0 H
0
_
P z(t) +
1
0
x
T

(t)E
0
T
E
0
x

(t),

2
(t)
1
x
T

(t)P
T
_
0
H
1
_
_
0 H
1
_
P x

(t) +
1
1
x
T

(t)

E
T
1
(t)

E
1
(t)x

(t),

3
(t)
2

1
x
T

(t)P
T
_
0
H
1
_
_
0 H
1
_
P x

(t) +
1
1
_
t
t
2
x
T

(s)

E
T
1
(t)

E
1
(t) x

(s)ds,
o` u
0
,
1
sont deux reels positifs et o` u

A
1
(t) = e
(t)
A
1
et

E
1
(t) = e
(t)
E
1
.
En combinant ces inegalites dans lexpression de

V , on en deduit :
d
dt
V (t) x
T

(t)
_
6

i=0

i
(t)
_
x

(t),
avec

1
(t) = diag(0,
2
R) +
0
(t),

2
(t) =
2
P
T
_
0

A
1
(t)
_
R
1
_
0

A
1
(t)
_
T
P,

3
(t) =
1
0
P
T
_
0
H
0
__
0
H
0
_
T
P,

4
(t) =
1
1
(1 +
2
)P
T
_
0
H
1
__
0
H
1
_
T
P,

5
(t) =
_

0
E
T
0
E
0
0
0 0
_
,

6
(t) =
_

1

E
T
1
(t)

E
1
(t) 0
0
2

1
E
T
1
E
1
e
2
2
_
.
Le syst`eme (3.4.12) est donc asymptotiquement stable si

(t) est denie negative. Avec le complement de
Schur, ceci est equivalent `a :

1
(t)
1
+
2
(t)
2
< 0,
Lensemble des matrices denies negatives etant convexe, si les matrices
i
sont denies negatives, alors (t)
lest aussi. Le syst`eme (3.4.12) est asymptotiquement stable car V (t) est alors une fonctionnelle de Lyapunov-
Krasovskii. Par consequent, le syst`eme (3.4.6) est exponentiellement stable avec un degre de convergence .
Remarque 3.4.3 Le Theor`eme 3.4.2 est un exemple de conditions de stabilite exponentielle. En utilisant des
raisonnements similaires `a ceux du chapitre precedent, il est possible detablir dautres conditions de stabilite
qui utilisent lapproche par mod`eles polytopiques.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
72 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
Modelisation avec incertitudes param`etriques
En utilisant un modelisation par mod`ele incertain du terme exponentiel e
(t)
, on obtient le theor`eme
suivant :
Theor`eme 3.4.4 La solution x(t) = 0 du syst`eme (3.4.6) est stable pour tout retard (t) satisfaisant (3.4.4),
sil existe deux nombres reels positifs
0
et
1
, des matrices de R
nn
symetriques denies positives P
1
, R
m
, R
d
,
des matrices de R
nn
P
2
, P
3
, Z
i
1
, Z
i
2
et Z
i
3
pour i = m, d, telles que les inegalites matricielles suivantes soient
realisees :
_

1

0
P
T
_
0
H
0
_
2
1
(1 +
2
)P
T
_
0
H
1
_ _
E
T
0
0
_
(
2
m
+
2
d
)
_
E
T
1
0
_
(
2
m
+
2
d
)
_
0
E
T
1
_

0
I
n
0 0 0 0
2
1
(1 +
2
)I
n
0 0 0

0
I
n
0 0

1
(
2
m
+
2
d
)I
n
0

1
(
2
m
+
2
d
)I
n
_

_
< 0,
(3.4.13)
et
_
_
R
i
_
0
i
A
T
1
_
P
Z
i
_
_
0, i = m, d, (3.4.14)
o` u
P =
_
P
1
0
P
2
P
3
_
Z
i
=
_
Z
i
1
Z
i
2
Z
iT
2
Z
i
3
_
et o` u

1
= P
T
_
0 I
n
A
0
+I
n
+
m
A
1
I
n
_
+
_
0 I
n
A
0
+I
n
+
m
A
1
I
n
_
T
P
+
_
R
d
0
0
2
(R
m
+R
d
)
_
+Z
d
+
2
(Z
m
+Z
d
),

m
= (1 +e

2
)/2,
d
= (e

2
1)/2.
(3.4.15)
Demonstration. On ecrit alors le syst`eme (3.4.8) sous la forme du mod`ele descripteur en ecrivant e
(t)
=

m
+ (t)
d
o` u (t) est une fonction scalaire inconnue veriant la condition [(t)[ 1 :
E

x

(t) =
_
0 I
n
A
0
+I
n
+
m
A
1
I
n
_
x

(t) +
__
0
(t)
d
A
1
_
+
_
0
A
0
(t)
_
+
_
0

m
A
1
(t)
_
+
_
0
(t)
d
A
1
(t)
__
x

(t)
__
0

m
A
1
_
+
_
0
(t)
d
A
1
_
+
_
0

m
A
1
(t)
_
+
_
0
(t)
d
A
1
(t)
__
_
t
t(t)
x

(s)ds.
Considerons la fonctionnelle de Lyapunov-Krasovskii :
V

(t) = V

1
(t) +V

2
(t),
V

1
(t) = x
T

(t)EP x

(t) +
_
0

2
_
t
t+
x
T

(s)(R
m
+R
d
) x

(s)dsd,
V

2
(t) = 2
1
1
(
2
M
+
2
d
)
_
0

2
_
t
t+
x
T

(s)E
T
1
E
1
x

(s)dsd.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.4. STABILISATION EXPONENTIELLE ROBUSTE 73
La premi`ere partie de V

(t) permet de tester la stabilite exponentielle du syst`eme nominal, cest-`a-dire


sans prendre en compte les perturbations parametriques du syst`eme (3.4.8) (en dautres termes A
0
= A
1
=
B
1
= 0). Dans ce cas, le Theor`eme 2.3.4 permet decrire linegalite suivante :

1
(t) x
T

(t)
1
x

(t).
La seconde partie permet quant `a elle de controler la robustesse de la stabilite par rapport `a ces pertur-
bations. On obtient alors linegalite suivante :

(t) x
T

(t)
1
x

(t) + 2 x
T

(t)P
T
__
0
A
0
(t)
_
+
_
0

m
A
1
(t)
_
+
_
0
(t)
d
A
1
(t)
__
x

(t)
2 x
T

(t)P
T
__
0

m
A
1
(t)
_
+
_
0
(t)
d
A
1
(t)
__
_
t
t(t)
x

(s)ds
+2
1
1
(
2
M
+
2
d
) x
T

(t)E
T
1
E
1
x

(t) 2
1
1
(
2
M
+
2
d
)
_
t
t
2
x
T

(s)E
T
1
E
1
x

(s)ds.
(3.4.16)
En revenant aux denitions des matrices de perturbations (3.4.7) et le fait que
T
(t)(t) I
n
, la majoration
matricielle classique permet dobtenir pour les trois premiers termes de (3.4.16) les inegalites suivantes :
2 x
T

(t)P
T
_
0
H
0
(t)E
0
_
x

(t) x
T

(t)P
T
_
0
H
0
_

0
I
n
_
0
H
0
_
T
P x

(t) +x
T

(t)E
T
0

1
0
E
0
x

(t),
2 x
T

(t)P
T
_
0

m
H
1
(t)E
1
_
x

(t) x
T

(t)P
T
_
0
H
1
_

1
I
n
_
0
H
1
_
T
P x

(t) +
1
1

2
m
x
T

(t)E
T
1
E
1
x

(t),
2 x
T

(t)P
T
_
0

d
(t)H
1
(t)E
1
_
x

(t) x
T

(t)P
T
_
0
H
1
_

1
I
n
_
0
H
1
_
T
P x

(t) +
1
1

2
d
x
T

(t)E
T
1
E
1
x

(t).
De meme, pour les termes retardes de (3.4.17), on obtient les majorations :
2 x
T

(t)P
T
_
0

m
H
1
(t)E
1
_
x

(s) x
T

(t)P
T
_
0
H
1
_

1
I
n
_
0
H
1
_
T
P x

(t) +
1
1

2
m
x
T

(s)E
T
1
E
1
x

(s),
2 x
T

(t)P
T
_
0

d
(t)H
1
(t)E
1
_
x

(s) x
T

(t)P
T
_
0
H
1
_

1
I
n
_
0
H
1
_
T
P x

(t) +
1
1

2
d
x
T

(s)E
T
1
E
1
x

(s).
En integrant par rapport `a la variable s de t (t) `a t, et en utilisant le fait que le retard (t) est borne par

2
, on obtient :
2 x
T

(t)P
T
_
0

m
H
1
(t)E
1
_
_
t
t(t)
x

(s)ds
2
x
T

(t)P
T
_
0
H
1
_

1
I
n
_
0
H
1
_
T
P x

(t)
+
1
1

2
m
_
t
t
2
x
T

(s)E
T
1
E
1
x

(s)ds,
2 x
T

(t)P
T
_
0

d
(t)H
1
(t)E
1
_
_
t
t(t)
x

(s)ds
2
x
T

(t)P
T
_
0
H
1
_

1
I
n
_
0
H
1
_
T
P x

(t)
+
1
1

2
d
_
t
t
2
x
T

(s)E
T
1
E
1
x

(s)ds.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
74 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
En reinjectant ces majorations dans linegalite (3.4.17), on deduit alors la majoration suivante :

(t) x
T

(t)
1
x

(t) x

(t) + x
T

(t)P
T
_
0
H
0
_

0
I
n
_
0
H
0
_
T
P x

(t) +x
T

(t)E
T
0

1
0
E
0
x

(t)
+ x
T

(t)P
T
_
0
H
1
_

1
(1 +
2
)I
n
_
0
H
1
_
T
P x

(t) +
1
1
(
2
m
+
2
d
)x
T

(t)E
T
1
E
1
x

(t)
+
1
1
(
2
m
+
2
d
)
_
t
t
2
x
T

(s)E
T
1
E
1
x

(s)ds +
1
1
(
2
m
+
2
d
) x
T

(t)E
T
1
E
1
x

(t)

1
1
(
2
m
+
2
d
)
_
t
t
2
x
T

(s)E
T
1
E
1
x

(s)ds.,
(3.4.17)
qui, en appliquant le complement de Schur de mani`ere adequate, permettent de retrouver la condition (3.4.13).
Ainsi, si les conditions (3.4.13) et (3.4.14) sont veriees, alors la stabilite asymptotique du syst`eme (3.4.8) et la
stabilite exponentielle de (3.4.6) pour > 0 sont demontrees.
Remarque 3.4.5 Il est possible de donner dautres theor`emes en utilisant des raisonnements similaires `a ceux
presentes au chapitre precedents.
Remarque 3.4.6 Il est aussi possible detendre ces resultats aux cas des syst`emes `a retards multiples ou `a
retards bi-bornee.
3.4.3 Application `a la stabilisation exponentielle
Nous allons maintenant revenir au probl`eme de la stabilisation. On cherche `a determiner un gain K de
retour detat (3.4.5) tel que le syst`eme en boucle fermee (3.4.1) soit exponentiellement stable avec un taux de
convergence garanti. Le syst`eme (3.4.1) avec la commande (3.4.5) secrit alors :
x(t) = (A+BK + A(t) + B(t)K)x(t) + (A

+B

K + A

(t))x(t (t)) (3.4.18)


Modelisation polytopique
Le theor`eme suivant utilise le Theor`eme de stabilite exponentielle 3.4.2
Theor`eme 3.4.7 [130] La loi de commande par retour detat (3.4.5) stabilise exponentiellement, avec un degre
de convergence , la solution x(t) = 0 du syst`eme (3.4.1), avec un degre de convergence , pour tout retard (t)
satisfaisant (3.4.4) sil existe une matrice symetrique denie positive, de dimension n n, Q
1
et des matrices,
de dimension n n, Q
2
et Q
3
de dimension n n, Y de dimension mn et trois reels positifs ,
0
et
1
qui
satisfont aux inegalites matricielles :
_

_
Q
2
+Q
T
2

i
12
0
2
Q
T
2
0 0 Q
1
E
T
+Y
T
D
T
Q
1
E
T


i
Q
T
3
E
T


2
Q
3
Q
T
3

i
23

2
Q
T
3

0
H
0

1
H
1
0 0 0

2
Q
1
0 0 0 0 0 0

2
Q
1
0 0 0 0 0

0
I
n
0 0 0 0


1
1+
2
I
n
0 0 0

0
I
n
0 0

1
I
n
0

1

2
I
n
_

_
< 0,
(3.4.19)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.4. STABILISATION EXPONENTIELLE ROBUSTE 75
pour i = 1, 2 et o` u

i
12
= Q
T
1
/
i
+Y
T
(B +B

i
)
T
Q
T
2
+Q
3
,

i
23
=
2

i
(A
1
.Q
1
+B
1
Y ), (3.4.20)

1
= 1,
2
= e

2
, /
i
= A
0
+I
n
+
i
A
1
. (3.4.21)
Le gain du retour detat est alors donne par :
K = Y Q
1
1
. (3.4.22)
Demonstration. La preuve de ce theor`eme vient des conditions de stabilite exponentielle du Theor`eme 3.4.2.
Dans un premier temps, on denit les matrices A
0
= A + BK, A
1
= A

+ B

K, A
0
(t) = A(t) + B(t)K
et A
1
(t) = A

(t). Le syst`eme boucle (3.4.18) est stable sil verie les conditions LMI du Theor`eme 3.4.2
pour les matrices A
0
, A
1
, A
0
(t) et A
1
(t) precedemment denies. On developpe alors le terme diag(
2
R, 0),
present dans le bloc (2, 2) de la LMI (3.4.9), de la mani`ere suivante :
_
0

2
I
n
_
_
1

2
R
_
_
0

2
I
n
_
T
.
Concernant la deuxi`eme colonne, on lecrit de la mani`ere suivante (application directe du complement de
Schur) :

i
12
=
2
P
T
_
0
A
1

i
R
1
_
,

i
22
=
2
R
1
,
En supposant alors que P
1
et (P
T
3
+P
3
) sont des matrices symetriques denies positives ((P
T
3
+P
3
) est, au
signe pr`es, la composante dun bloc diagonal de (3.4.9)), la matrice P est alors non singuli`ere. On denit les
matrices Q, linverse de la matrice P, et M de la mani`ere suivante :
P
1
= Q =
_
Q
1
0
Q
2
Q
3
_
et M = diagQ, I
7n
.
Pour terminer la demonstration, on multiplie les conditions LMI developpees par M
T
`a gauche et par M `a
droite. On impose la condition liante R
1
= Q
1
o` u est un reel positif, et enn, en revenant `a la denition
des matrices A
0
, A
1
, A
0
(t) et A
1
(t) en fonction des matrices de (3.4.1), on pose Y = KQ
1
.
La stabilite exponentielle, avec un degre de convergence > 0, du syst`eme (3.4.1) avec la loi de commande
par retour detat (3.4.5) de gain K = Y Q
1
1
est alors garantie si les conditions LMI (3.4.19) sont satisfaites.
Modelisation avec incertitudes param`etriques
Theor`eme 3.4.8 La solution x(t) = 0 du syst`eme (3.4.1) est -stabilisable pour tout retard variable (t)
veriant (3.4.4) sil existe des nombres reels positifs ,
0
et
1
, des matrices symetriques denies positives de
dimension n n, Q
1
> 0, S
i
> 0 Q
2
, Q
3
, W
i
1
, W
i
2
, W
i
3
et Y une matrice de dimension n m satisfaisant les
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
76 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
inegalites matricielles suivantes pour i = m, d :
_

11

12

2
Q
T
2

2
Q
T
2
0 0
16
Q
1
E
T
1
Q
T
2
E
T
1

22

2
Q
T
3

2
Q
T
3

0
H
0
H
1
0 0 Q
T
3
E
T
1

2
S
m
0 0 0 0 0 0

2
S
d
0 0 0 0 0

0
I
n
0 0 0 0
I
n
0 0 0

0
I
n
0 0

1
I
n
0

1
I
n
_

_
< 0, (3.4.23)
et
_
_
2Q
1
S
i
_
0
i
(Q
1
A
T

+Y
T
B
T

)
_
W
i
_
_
0, i = m, d, (3.4.24)
o` u

11
= Q
2
+Q
T
2
+ 2Q
1
S
d
+
2
W
1m
+ (1 +
2
)W
1d
,

12
= Q
1
+Q
1
A
T
+Y
T
B
T
+
m
(Q
1
A
T

+Y
T
B
T

) Q
T
2
+Q
3
+
2
W
2m
+ (1 +
2
)W
2d
,

22
= Q
3
Q
T
3
+
2
W
3m
+ (1 +
2
)W
3d
,

16
= Q
1
E
T
+Y
T
D
T
0
,
(3.4.25)
et o` u = 2
1
(1 +
2
) et = (
2
m
+
2
d
)
Demonstration. On developpe alors les termes diag(
2
R
m
, 0) et diag(
2
R
d
, 0) presents dans
1
(3.4.15),
de la mani`ere suivante pour i = m, d :
_
0

2
I
n
_
_
1

2
R
i
_
_
0

2
I
n
_
T
.
En supposant alors que les matrices P
1
et (P
T
3
+P
3
) sont symetriques denies positives ((P
T
3
+P
3
) est, au
signe pr`es, la composante dun bloc diagonal de (3.4.13)), la matrice P est alors non singuli`ere. On denit les
matrices Q, linverse de la matrice P et M de la mani`ere suivante :
P
1
= Q =
_
Q
1
0
Q
2
Q
3
_
et M = diagQ, I
8n
.
On multiplie alors la condition (3.4.13) transforme par M
T
`a gauche et par M `a droite, on obtient :
_

n
_

2
Q
T
2

2
Q
T
3
_ _

2
Q
T
2

2
Q
T
3
_ _
0

0
H
0
_ _
0
H
1
_ _
Q
1
E
T
0
0
_ _
Q
1
E
T
1
0
_ _
Q
T
2
E
T
1
Q
T
3
E
T
1
_

2
R
1
m
0 0 0 0 0 0

2
R
1
d
0 0 0 0 0

0
I
n
0 0 0 0
I
n
0 0 0

0
I
n
0 0

1
I
n
0

1
I
n
_

_
< 0,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.4. STABILISATION EXPONENTIELLE ROBUSTE 77
o` u

n
= Q
T

1
Q
=
_
0 I
A
0
+I
n
+
m
A
1
I
n
_
Q+Q
T
_
0 I
n
A
0
+I
n
+
m
A
1
I
n
_
T
+
_
Q
T
1
R
d
Q
1
0
0 0
_
+Q
T
(Z
d
+
2
(Z
m
+Z
d
))Q,
On pose alors S
m
= R
1
m
, S
d
= R
1
d
, W
m
= Q
T
Z
m
Q, W
d
= Q
T
Z
d
Q et N = diagQ
1
, Q. On peut
maintenant modier les conditions LMI (3.4.14) en multipliant par N
T
`a gauche et par N `a droite. On obtient
alors les conditions :
_
_
Q
1
R
i
Q
1
_
0
i
(Q
1
A
T

+Y
T
B
T

)
_
W
i
_
_
0, i = m, d, (3.4.26)
Une premi`ere piste consisterait `a introduire une condition liante de la forme Q
1
= S pour rendre le
probl`eme lineaire. Cependant cette relation augmente le conservatisme des conditions. Une autre methode est
envisageable : on utilise linegalite
(Q
1
S)
T
S
1
(Q
1
S) 0,
qui, en la developpant, assure que Q
1
S
1
Q
1
2Q
1
+ S. Le lemme de Schur permet ensuite decrire la
condition (3.4.26) sous la forme :
Q
1
SQ
1
+
_
0

i
(A

+B

K)Q
1
_
T
(W
i
)
1
_
0

i
(A

+B

K)Q
1
_
< 0.
On remarque alors que si la condition suivante :
2Q
1
+S +
_
0

i
(A

+B

K)Q
1
_
T
(W
i
)
1
_
0

i
(A

+B

K)Q
1
_
< 0, (3.4.27)
est satisfaite, alors (3.4.26) sera satisfaite. En appliquant le lemme de Schur `a (3.4.27), on retrouve alors la
condition (3.4.24). On eectue la meme operation pour le terme Q
1
R
d
Q
1
present dans le bloc (1, 1). Ainsi, en
posant Y = KQ
1
, les conditions (3.4.23) et (3.4.24) garantissent que le syst`eme (3.4.1) est stabilisable.
Remarque 3.4.9 Les Theor`emes (3.4.7) (3.4.8) permettent aussi de caracteriser la convergence exponentielle
du syst`eme en boucle ouverte (3.4.6), cest-`a-dire dans le cas o` u les matrices B
0
, B
1
et D
0
sont nulles).
Remarque 3.4.10 Ces resultats peuvent etre facilement adaptes au cas des syst`emes `a retards multiples et
bi-bornes.
Remarque 3.4.11 Les theor`emes presentes dans cette partie peuvent etre etendus au cas des retards bi-bornees
en considerant un retard variable veriant la condition
1
(t)
2
. En eet dans ce cas, on change la
condition
1
= 1 en
1
= e

1
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
78 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
3.4.4 Exemples
Exemples de stabilite exponentielle
Considerons le syst`eme non commande suivant :
x(t) = (A
0
+H
0
(t)E
0
)x(t) + (A
1
+H
1
(t)E
1
)x(t (t)). (3.4.28)
avec les valeurs (cf. [65], [77], [84], [93], [113] ou encore [130]) :
A
0
=
_
2 0
0 1
_
, A
1
=
_
1 0
1 1
_
,
H
0
= E
0
=
_

1.6 0
0

0.05
_
, H
1
= E
1
=
_

0.1 0
0

0.3
_
,
et o` u lon suppose que le retard considere est du type bi-borne. Il satisfait aux inegalites 0
1
(t)
2
.
Nous avons choisi ces retards pour montrer linuence de la borne inferieure
1
sur le degre de convergence de
stabilite exponentielle.
Notre objectif sera de determiner la borne superieure
2
du retard telle que le syst`eme (3.4.28) soit stable
pour plusieurs valeurs de et pour des valeurs de
1
dierentes. Nous avons choisi
1
= 0, 0.5
2
et 0.9
2
.
0 0.5 1 1.5 2 2.5 3
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
alpha
h
m
a
x
hmin=0
hmin=0.5hmax
hmin=0.9hmax
Fig. 3.2 Relation entre
2
et selon la valeur de
1
La gure 3.2 montre la dependance de la stabilite exponentielle par rapport `a la valeur de
1
. Ces resultats
sont obtenus en appliquant le Theor`eme 3.4.2. La stabilite exponentielle depend eectivement de la borne
inferieure du retard. La gure 3.2 montre aussi que lorsque le retard est quasi constant (pour
1
= 0.9
2
), le
syst`eme est stable, avec = 2.5, pour une certaine valeur du retard mais ne lest pas forcement pour des
valeurs inferieures. Ce qui laisse penser quil existe une valeur optimale du retard qui rend le syst`eme plus
performant au sens de la stabilite exponentielle.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.4. STABILISATION EXPONENTIELLE ROBUSTE 79
Un autre exemple propose dans [148] est le suivant :
A
0
=
_
1.6 3
0 1.4
_
, A
1
=
_
0.3 0.1
0 0.2
_
,
H
0
= H
1
=
_
1 0
0 1
_
, E
0
_
0.28 0
0 0.25
_
, E
1
=
_
0.2 0
0 0.3
_
,
Dans [148], il a ete montre que pour un retard constant = 0.8 le syst`eme est stable avec = 0.5. Le
theor`eme 3.4.2 garantit quant `a lui que pour un retard variable majore par
2
= 0.8, le syst`eme est stable
avec 0.805 et que pour = 0.5, il lest pour tout retard variable inferieur `a
2
= 1.305.
Exemple de stabilisation exponentielle
On sinteresse maintenant au syst`eme (3.4.1) soumis `a un retard inconnu et `a des incertitudes parametriques.
Les valeurs des matrices detats sont les suivantes [98] :
A =
_
2 1
0 1
_
, A

=
_
0.2 0.1
0.9 .55
_
, H = H

_
0.1 0
0 0.1
_
,
B =
_
1 0
0 1
_
, B

=
_
0 0
0 0.1
_
, E
0
= E
1
= D
0
=
_
1 0
0 1
_
.
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
2
0
2
4
6
8
10
time (s)
X
1
alpha=0
alpha=1
alpha=3
Fig. 3.3 Convergence de x
1
pour dierentes valeurs de
Les Figures 3.3 et 3.4 sont obtenues pour = 0, 1, 3, et
2
= 0.5 et pour (t) =

2
+
1
2
+

2

1
2
sin(4t). La
Figure 3.5 permet de verier la stabilite exponentielle pour = 1, 2 et 3.
3.4.5 Conclusion
Le probl`eme qui consiste `a determiner une loi de commande par retour detat garantissant la stabilite
exponentielle robuste dun syst`eme en boucle fermee a ete resolu en utilisant une approche du type Lyapunov-
Krasovskii. Ces resultats peuvent etre adaptes aux cas des retards constants ou variables bi-bornes ou `a la
stabilite asymptotique.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
80 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
5
4
3
2
1
0
1
2
3
4
time (s)
X
2
alpha=0
alpha=1
alpha=3
Fig. 3.4 Convergence de x
2
pour dierentes valeurs de
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
2
0
2
4
6
8
10
time (s)
X
1
e
x
p
(
a
l
p
h
a
.
t
)
alpha=1
alpha=2
alpha=3
Fig. 3.5 Convergence de x
1
e
t
pour dierentes valeurs de
3.5 Introduction `a la commande saturee
Comme nous lavons mentionne auparavant, les retards sont, la plupart du temps, des facteurs dinstabilite.
Cependant la stabilite peut aussi etre alteree par dautres phenom`enes. Ainsi, en pratique, les controleurs sont
souvent sujet `a des contraintes de limitation denergie. Il est alors necessaire de prendre en compte le fait
que leur commande est bornee. Les syst`emes `a entree saturee ont fait lobjet de nombreuses etudes dans le
cas non retarde (methodes danti-emballement, ou anti-windup). En eet, un controleur peut etre dans
limpossibilite de suivre un signal damplitude ou denergie trop elevee. Cela conduit `a considerer des syst`emes
de la forme :
x(t) = Ax(t) +Bsat(u(t), u),
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.6. APPROCHE POLYTOPIQUE POUR L

ETUDE DES SYST


`
EMES
`
A ENTR

EE SATUR

EE ET RETARD

EE81
o` u x(t) R
n
represente letat, u(t) R
m
, lentree. Les matrices A R
nn
et B R
nm
sont supposees
constantes. Le vecteur sat(u(t), u) de R
m
a pour i
e
coordonnee sign(u
i
) min([u
i
[, u
i
). Un exemple de fonction
de saturation sat dans le cas m = 1 est presente gure 3.6.

ui
-ui
Sat(u(t))
u(t)
Fig. 3.6 Fonction de saturation
Dans le cas des syst`emes `a retards, plusieurs travaux concernant la stabilisation en presence saturation
peuvent etre trouves. Dans [114] et [120], des lois de commande stabilisantes ont ete proposees par retour
detat continu et echantillonne. Cependant, dans ces articles, le domaine dattraction (cest-`a-dire lensemble
des conditions initiales admissibles) en presence de saturation nest pas explicitement deni. Dans [16] et [143],
des estimations du domaine dattraction ont ete determinees en utilisant une modelisation polytopique decrivant
les eets de la saturation. Par ailleurs, dans le cadre de letude des syst`emes neutres, tr`es peu dauteurs ont
determine des estimations du domaine dattraction. On peut tout de meme citer [23] et [142].
Dans la suite de ce chapitre, nous allons proposer deux approches. La premi`ere, presentee dans la partie 3.6,
permet, par le biais dune representation polytopique, de caracteriser la stabilite asymptotique dun syst`eme
dont la commande est retardee et saturee.
La partie 3.7 presente la methode danti-emballement (ou en anglais anti-windup) pour aboutir `a des
conditions de stabilite asymptotique et exponentielle de syst`emes neutres `a retard variable et dont lentree est
soumise `a des saturations. Dans les deux cas, une estimation du domaine dattraction sera donnee.
3.6 Approche polytopique pour letude des syst`emes `a entree sa-
turee et retardee
3.6.1 Syst`emes `a entree saturee et retardee
Considerons le syst`eme lineaire `a entree retardee et saturee suivant :
x(t) = Ax(t) +Bsat(u(t (t)), u),
x() = (), [
2
, 0],
(3.6.1)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
82 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
o` u x R
n
represente letat du syst`eme, u R
m
, son entree. Le retard (t) varie dans le temps. On suppose
quil existe une borne superieure
2
telle que :
0 (t)
2
, t 0. (3.6.2)
On suppose que la commande u du syst`eme (3.6.1) est soumise `a des contraintes de saturation en amplitude
de la forme
[u
i
(t)[ u
i
, 0 < u
i
, i = 1, ..., m. (3.6.3)
On denit x(t, ) letat de la solution du syst`eme (3.6.1) qui a pour condition initiale , une fonction de
[
2
, 0] vers R
n
. Ainsi on peut denir le domaine dattraction du syst`eme en boucle fermee (3.6.1) vers lorigine :
/ = : [
2
, 0] R
n
: lim
t
x(t, ) = 0.
Notre objectif est alors de determiner des conditions dexistence dun gain matriciel K tel que la commande
par retour detat :
u(t) =
_
Kx(t), t > 0,
0, t < 0
(3.6.4)
stabilise le syst`eme (3.6.1). De plus, nous souhaitons donner une estimation A

/ du domaine dattraction.
On se propose alors detudier lensemble A

deni par :
A

= ,
T
(0)P
1
(0)
1
, (3.6.5)
o` u > 0 est un reel positif et P
1
> 0 une matrice symetrique denie positive de dimension n n. A

est un
ensemble deni en fonction des variables et P
1
et qui devra etre le plus grand possible tout en etant inclus
dans le domaine dattraction /.
3.6.2 Resultats preliminaires
Le syst`eme en boucle fermee (3.6.1) avec la commande par retour detat u(t) = Kx(t) secrit :
x(t)=Ax(t)+Bsat(Kx(t (t)), u), (3.6.6)
On denit aussi k
i
, la i
i` eme
colonne du gain matriciel K et lensemble L(K, u) denit par :
L(K, u) = x R
n
: [k
i
x[ u
i
, i = 1, ..., m.
Si la commande est telle que letat x(t) est dans le domaine dattraction L(K, u), alors le syst`eme (3.6.6) peut
se representer par un mod`ele lineaire. En utilisant les resultats de [16], on introduit de nouvelles matrices qui
permettent decrire la fonction de saturation comme une somme polytopique de termes lineaires. Ces matrices
de R
mm
sont diagonales et les elements diagonaux sont dans 0, 1. Ainsi lensemble de ces matrices est
compose de 2
m
elements distincts. On note D
i
, o` u i = 1, ..., 2
m
, les element de et on denit D

= I
m
D
i
qui est aussi dans . Le lemme suivant permet decrire la fonction de saturation comme une somme ponderee
delements de .
Lemme 3.6.1 [16] Pour des gains matriciels donnes K et H de R
mn
on a :
sat(Kx(t), u) (oD
i
Kx +D

i
Hx, i = 1, ..., 2
m
,
pour tout x 1
n
qui verie [h
i
x[ u
i
, i = 1, ..., 2
m
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.6. APPROCHE POLYTOPIQUE POUR L

ETUDE DES SYST


`
EMES
`
A ENTR

EE SATUR

EE ET RETARD

EE83
Le Lemme 3.6.1 permet ensuite detablir le lemme suivant :
Lemme 3.6.2 Pour tout reel > 0, on suppose quil existe une matrice H de R
mn
telle que [h
i
x[ u
i
pour
tout x(t) R

. Alors, pour tout x(t) A

, le syst`eme (3.6.6) admet la representation suivante :


x(t) = Ax(t) +

2
m
j=1

j
(t)A
j
x(t (t)), (3.6.7)
o` u
A
j
= B(D
j
K +D

j
H) j = 1, ..., 2
m
,

2
m
j=1

j
(t) = 1, 0
j
(t), 0 < t,
On note

=
2
m

j=1

j
pour tout 0
j
1,
2
m

j=1

j
= 1,
o` u les elements du polytope sont decrits par
j
=
_
A
j
_
pour j = 1, ..., 2
m
. Le probl`eme devient alors celui
de determiner A

et un gain H tels que [h


i
x[ u
i
, i = 1, ...2
m
pour tout x A

et que letat du syst`eme


x(t) = Ax(t) +A
j
x(t(t)),
appartienne et reste A

.
3.6.3 Stabilisation Locale
En appliquant la transformation en mod`ele descripteur et la fonctionnelle de Lyapunov-Krasovskii appropriee
et en utilisant la methode de resolution du probl`eme de stabilisation avec lintroduction du param`etre , on
obtient le theor`eme suivant :
Theor`eme 3.6.3 [53] Considerons le syst`eme (3.6.6) avec la commande (3.6.4) soumise `a la contrainte en
amplitude (3.6.3). Le syst`eme est stable avec A

inclus dans le domaine dattraction pour tout retard veriant


(t)
2
, sil existe des matrices de dimension n n 0 < Q
1
, Q
(j)
2
, Q
(j)
3
, Z
(j)
1
, Z
(j)
2
, Z
(j)
3
, pour j = 1, ..2
m
,
deux matrices de dimension mn, Y et G et un reel > 0 qui satisfont aux conditions LMI suivantes :
_

_
Q
(j)
2
+Q
T(j)
2
+
2
Z
(j)
1

j

2
Q
(j)
2
Q
(j)
3
Q
T(j)
3
+
2
Z
(j)
3

2
Q
(j)
3

2
Q
1
_

_
< 0,
j = 1, ..., 2
m
(3.6.8)
_

_
Q
1
0 (Y
T
D
j
+G
T
D

j
)B
T
Z
(j)
1
Z
(j)
2
Z
(j)
3
_

_
0,
j = 1, ..., 2
m
(3.6.9)
_
g
i
u
2
i
Q
1
_
0, i = 1, ..., m, (3.6.10)
o` u

j
= Q
(j)
3
Q
T(j)
2
+Q
1
A
T
+ (Y
T
D
j
+G
T
D

j
)B
T
+
2
Z
(j)
2
. (3.6.11)
Le gain du retour detat stabilisant localement le syst`eme est alors donnee par :
K = Y Q
1
1
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
84 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
Demonstration. Considerons la fonctionnelle de Lyapunov-Krasovskii donnee par :
V (t) = x
T
(t)EP x(t) +
_
0

2
_
t
t+
x
T
(s)R x(s)dsd,
Ainsi, en utilisant les resultats presentes dans [52], les inegalites (3.6.10) garantissent, par application du
complement de Schur, que [h
i
x[ u
i
, x A

, i = 1, ..., m, o` u g
i

= h
i
Q
1
, i = 1, ..., m et o` u Q
1

= P
1
1
. Par
consequent, la representation polytopique du syst`eme (3.6.7) est valable. De plus, (3.6.8) et (3.6.9) garantissent
la negativite de

V < 0 (cf. Theor`eme 2.3.10 dans le Chapitre 1 applique au cas de syst`emes polytopiques).
Sachant maintenant que la fonctionnelle V est une fonction decroissante, il sen suit que V (t) < V (0) et
quavec la condition initiale (3.6.1) on obtient :
x
T
(t)P
1
x(t) V (t) < V (0) = x
T
(0)P
1
x(0) +
_
0

2
_
0

2
+

T
(s)R(s)dsd
1
.
Or les termes retardees ninterviennent que dans la commande. Cela signie que pour t < 0 la commande
du syst`eme nest pas encore calculee et par consequent (t) = 0. On en deduit
x
T
(t)P
1
x(t) V (t) < V (0) = x
T
(0)P
1
x(0)
1
.
Ainsi pour des conditions initiales x(0) A

, les solutions x(t) restent dans A

, et la representation po-
lytopique du syst`eme (3.6.7) avec saturation reste toujours alors validee. Finalement la solution x(t) est une
solution du syst`eme (3.6.6) et

V < 0 le long de ces solutions, ce qui garantit la stabilite asymptotique de la
solution x(t).
3.6.4 Exemple
Considerons le syst`eme suivant ([16], avec
2
,= 0) deni par :
x(t)=Ax(t)+Bsat(Kx(t (t)), u),
A =
_
1.1 0.6
0.5 1
_
, B =
_
1
1
_
,
et o` u u = 5.
Les conditions du Theor`eme 3.6.3 sont faisables pour tout retard (t) 0.75. Pour
2
= 0.75, le Theor`eme
3.6.3 assure que le gain de retour detat K = [1.6964 0.5231] (avec = 0.325, = 0.1261, et P
1
=
_
0.9132 0.2816
0.2816 0.0868
_
) stabilise localement le syst`eme pour toute conditions initiales dans A

avec = 0.1261.
3.6.5 Conclusion
Dans [142], une approche polytopique modelisant les eets de la saturation a permis, pour un syst`eme donne,
de determiner un retour detat stabilisant le syst`eme pour un ensemble de conditions initiales maximise. Malheu-
reusement il faut noter que cette methode nest utile que pour les syst`emes lineaires `a retard constant et aussi
que les conditions obtenues sont independantes des caracteristiques du retard. Dautre part, plusieurs critiques
peuvent etre faites sur lapproche polytopique. La stabilite asymptotique est prouvee en resolvant un grand
nombre de conditions LMI (2
m+1
+ m). Pour une commande de dimension m assez grande, il devient dicile
de resoudre toutes ces conditions, dautant plus que lextension au probl`eme de la stabilisation exponentielle
double le nombre de conditions `a satisfaire. Ensuite elle ne permet dobtenir que des conditions de stabilite
locale. Lapproche proposee dans le paragraphe suivant permis de reduire ce conservatisme.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.7. SYST
`
EMES
`
A ENTR

EE SATUR

EE ET
`
A

ETAT RETARD

E 85
3.7 Syst`emes `a entree saturee et `a etat retarde
3.7.1 Position du Probl`eme
Considerons le syst`eme lineaire neutre `a retard suivant :
x(t) F x(t (t)) = Ax(t) +A
d
x(t (t)) +Bsat(u(t), u), (3.7.1)
o` u les conditions initiales sont donnees par :
x(t
0
+) = (), [
2
, 0], t
0
R
+
, () (
v

2
,
o` u x(t) R
n
et u(t) R
m
sont respectivement les vecteurs detat et de commande, (t) correspond `a un
retard variable qui verie :
0 (t)
2
, (t) d < 1.
La fonction () est supposee continue et derivable. A, A
d
, B et F sont des matrices reelles `a coecients
constants de dimension appropriee. An de garantir la stabilite dun tel syst`eme il est necessaire, dapr`es [85],
que les valeurs propres de F soient strictement incluses dans le cercle unite, autrement dit |F|
e
< 1.
Nous supposerons aussi que la commande est soumise aux contraintes de saturation en amplitude suivantes :
[u
i
[ u
i
, u
i
> 0, i = 1, ..., m. (3.7.2)
La loi de commande que nous recherchons pour stabiliser le syst`eme est une commande par retour detat
u(t) = Kx(t). En prenant en compte les saturations (3.7.2), la commande est de la forme :
u(t) = sat(Kx(t), u),
o` u chacune des composantes de u est denie par u
i
(t) = sat(K
i
x(t), u) = sign ([K
i
x(t)[) min u
i
, K
i
x(t) et
i
` eme
composante de u est u
i
.
Ainsi le syst`eme en boucle fermee est regi par :
x(t) F x(t (t)) = Ax(t) +A
d
x(t (t)) +Bsat(Kx(t), u), (3.7.3)
Ce syst`eme (3.7.3) est dit globalement asymptotiquement stable si, pour toutes conditions initiales () (

2
,
les solutions du syst`eme convergent asymptotiquement vers lorigine [114], [121]. Similairement au cas de syst`eme
sans retard ((t) = 0), la determination dune commande stabilisant globalement le syst`eme (3.7.3) est possible
lorsque des conditions de stabilite sont veriees pour le syst`eme en boucle ouverte (cest-`a-dire avec u(t) = 0)
[96]. Lorsque ces conditions ne sont pas satisfaites, il est simplement possible de stabiliser localement le syst`eme.
Dans ce cas, on denit un domaine dattraction associe au gain K pour lequel les solutions incluses dans ce
domaine converge vers lorigine. Le domaine dattraction correspond alors `a lensemble des conditions initiales
() (

2
telles que les solutions du syst`eme (3.7.5) convergent asymptotiquement vers lorigine. Sachant que
la determination exacte de ce domaine est pratiquement impossible, notre objectif est denir un espace de
fonctions initiales admissibles [16], [52], [143]. Bien s ur cet ensemble est inclus dans le domaine dattraction. Les
probl`emes que nous allons resoudre dans cette partie sont les suivants :
1. Pour des valeurs de
2
et d et un gain K donnes, determiner un ensemble de conditions initiales, le plus
grand possible, tel que le syst`eme boucle soit stable pour toutes ces conditions initiales.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
86 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
2. Pour des valeurs de
2
et d donnees et un ensemble de conditions initiales donne, determiner un gain K
tel que la stabilite du syst`eme boucle soit assuree.
3. Pour un retard du terme neutre d et un ensemble de conditions initiales donnes, determiner la plus grande
valeur de
2
telle quil existe un gain K de retour detat tel que la stabilite du syst`eme boucle soit assuree.
Lorsque que cela sera possible, lobjectif sera bien s ur de determiner une commande qui stabilise globalement
et asymptotiquement (ou exponentiellement) le syst`eme. Sinon lestimation du domaine dattraction sera donnee
en fonction de [[()[[
2
et [[

()[[
2
. Les theor`emes qui sont presentes dans cette partie utilisent une condition
de secteur (3.7.4), qui introduit la methode dite danti-emballement.
3.7.2 Conditions de stabilite
On denit la fonction :
(Kx(t)) = Kx(t) sat(Kx(t), u). (3.7.4)
Cette fonction (Kx(t)) correspond `a une non-linearite du type zone morte. En utilisant cette fonction,
le syst`eme boucle peut se mettre sous la forme :
x(t) F x(t (t)) = (A+BK)x(t) +A
d
x(t (t)) B(Kx(t)). (3.7.5)
On introduit une matrice G R
mn
qui denit le poly`edre :
o x R
n
; [(K
i
G
i
)x[ u
i
, i = 1, ..., m. (3.7.6)
Le lemme 3.7.1 permet de relier la denition du poly`edre (3.7.6) `a la fonction :
Lemme 3.7.1 [144] Soit la fonction (Kx) denie dans (3.7.4). Si x o alors la relation (3.7.7) est veriee
pour toute matrice T R
mm
diagonale, denie et positive.

T
(Kx)T[(Kx) Gx] 0. (3.7.7)
La condition (3.7.7) peut etre vue comme une condition de secteur generalisee. Comme il le sera propose
par la suite, cette condition permet daboutir `a des conditions de stabilite presentees sous forme de LMI plus
simples quen utilisant lapproche polytopique precedente.
Theor`eme 3.7.2 [23] Sil existe des matrices Q
1
, H, L, J, X, de R
nn
symetriques denies positives, des ma-
trices Q
2
, Q
3
de R
nn
, Y, W de R
mn
et une matrice diagonale S de R
mm
et un reel tels que les conditions
LMI suivantes soient satisfaites :
_

0
( 1)
_
0
A
d
X
_ _
0
FL
_ _
Y
T
BS
_ _
Q
T
1
0
_

2
_
Q
T
2
Q
T
3
_ _
Q
T
2
Q
T
3
_
(d 1)X 0 0 0 0 0
(d 1)L 0 0 0 0
2S 0 0 0
X 0 0

2
J 0
L
_

_
< 0, (3.7.8)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.7. SYST
`
EMES
`
A ENTR

EE SATUR

EE ET
`
A

ETAT RETARD

E 87
_
J J[0 A

d
]
H
_
0, (3.7.9)
_
Q
1
(W Y )
T
j
u
2
j
_
0, j = 1, . . . , m, (3.7.10)
avec

0
=
_
Q
2
+Q
T
2
Q
1
(A

+A

d
) +W
T
B
T
Q
T
2
+Q
3
Q
3
Q
T
3
_
+
2
H,
alors, pour le gain de retour detat K = WQ
1
1
et pour toute condition initiale qui verie :
= (
max
(Q
1
1
) +
2

max
(X
1
))[[()[[
2
+ (

2
2
2

max
(J
1
) +
2

max
(L
1
))[[

()[[
2
1. (3.7.11)
Les solutions du syst`eme (3.7.5) convergent asymptotiquement vers lorigine.
Demonstration. Le syst`eme (3.7.5) est equivalent au syst`eme suivant, representant sa forme descripteur
[57] :
E
_
x(t)
y(t)
_
=
_
0 I
n
(A+BK +A
d
) I
n
__
x(t)
y(t)
_
+
_
0
F
_
y(t (t))

_
0
A
d
_
_
t
t(t)
y(s)ds
_
0
B
_
(Kx(t)).
On remarque que si (3.7.8) est satisfaite, il est necessaire davoir Q
T
3
Q
3
< 0. Ainsi, sachant que Q
1
> 0,
il sen suit que la matrice Q est inversible. On peut maintenant denir les matrices et variables suivantes :
x(t) =
_
x(t)
y(t)
_
, E =
_
I
n
0
0 0
_
, P =
_
P
1
0
P
2
P
3
_
=
_
Q
1
0
Q
2
Q
3
_
1
= Q
1
.
On propose alors la fonctionnelle de Lyapunov-Krasovskii suivante :
V (t) = x(t)

EP x(t) +
_
t
t(t)
x(s)

Mx(s)ds +
_
t
t(t)
y(s)

Uy(s)ds +
_
0

2
_
t
t+
y(s)

Ry(s)dsd, (3.7.12)
o` u R, M et U sont des matrices symetriques denies positives de dimension n n et o` u P est linverse de la
matrice Q. La derivee par rapport au temps de la fonctionnelle est :

V (t) = x
T
(t)L x(t) 2 x
T
(t)P
T
_
0
A
d
_
_
t
t(t)
y(s)ds 2 x
T
(t)P
T
_
0
B
_
(Kx(t)) +x
T
(t)Mx(t)
+y
T
(t)Uy(t) + 2 x
T
(t)P
T
_
0
F
_
y(t (t)) (1 (t))x
T
(t (t))Mx(t (t))
(1 (t))y(t (t))
T
Uy(t (t)) +
2
y
T
(t)Ry(t)
_
0

2
y
T
(t +)Ry(t +)d,
avec
L =
_
0 I
n
(A+BK +A
d
) I
n
_
T
P +P
T
_
0 I
n
(A+BK +A
d
) I
n
_
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
88 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
Si la condition
_
R N
Z
_
0 est satisfaite, on peut alors en deduire [105] :
2 x
T
P
T
_
0
A
d
_
_
t
t(t)
y(s)ds
_
t
t(t)
_
y(s)
x
_
T
_
R N [0 A
T
d
]P
Z
__
y(s)
x
_
ds

_
t
t
2
y
T
(s)Ry(s)ds +
2
x
T
(t)Z x(t)
+2
_
t
t(t)
x
T
(s)(N [0 A
T
d
]P) x(t)ds
=
_
t
t
2
y
T
(s)Ry(s)ds + 2x
T
(t)(N [0 A
T
d
]P) x(t)
2x
T
(t (t))(N [0 A
T
d
]P) x(t) +
2
x
T
(t)Z x(t).
(3.7.13)
En choisissant maintenant N = [0 A
T
d
]P [57], on obtient N [0 A
T
d
]P = ( 1)[0 A
T
d
]P. Par consequent,
en imposant KQ
1
= W et H = Q
T
ZQ, dans les equations (3.7.12), (3.7.13) et dans le Lemme 3.7.1, `a condition
que x o, on en deduit :

V (t) x(t)
T
P
T

0
P x(t) + x
T
(t)
_
M 0
0
2
R +U
_
x(t) + 2 x
T
(t)P
T
_
0
F
_
y(t (t))
2 x(t)
T
P
T
(Kx(t)) y(t (t))
T
(1 d)Uy(t (t)) 2x
T
(t (t))( 1)[0 A
T
d
]P x(t)
x
T
(t (t))(1 d)Mx(t (t)) 2(Kx(t))
T
T[(Kx(t)) [G 0] x],
o` u T est une matrice diagonale denie positive.
On en deduit ensuite que

V (t)
T
, o` u est donnee par :
=
_

_
P
T

0
P + ( 1)P
T
_
0
A
d
_
P
T
_
0
F
_ _
G
T
T
0
_
P
T
_
0
B
_
(d 1)M 0 0
(d 1)U 0
2T
_

_
,
avec =
_
M 0
0
2
R +U
_
, and = [ x
T
(t) x
T
(t (t)) y
T
(t (t))
T
(Kx(t))]
T
.
En appliquant le complement de Schur au terme et en multipliant `a droite par
1
= diagP
1
,M
1
,U
1
,
T
1
, I, I, I et par
T
`a gauche, on trouve (3.7.8) qui est equivalente `a la condition < 0, avec X = M
1
,
J = R
1
, L = U
1
, S = T
1
et G = Y P
1
. En multipliant maintenant lequation (3.7.9) par
2
= diagR, P
`a droite et par
T
2
`a gauche, on obtient la condition (3.7.9) qui est equivalente `a
_
R N
Z
_
0.
Ainsi si les inegalites matricielles lineaires (3.7.8) et (3.7.9) sont veriees, la derivee

V (t) est negative `a
condition bien s ur que x(t) o, t > 0.
On va maintenant sinteresser `a lestimation du domaine dattraction et notamment `a lellipse denie par
c = x R
n
; x
T
P
1
x 1, where P
1
= Q
1
1
. Dapr`es [143], la condition (3.7.10) implique que c o denie
dans (3.7.6). En supposant alors que les conditions initiales verient (3.7.11) et que les conditions (3.7.8) -
(3.7.10) sont satisfaites, on peut ecrire :
x(0)
T
P
1
x(0) V (0) 1.
Dans ce cas, cela signie que x(0) c o et, par consequent, que

V (0) < 0. On peut donc conclure en
constatant que :
x
T
(t)P
1
x(t) V (t) V (0) 1, t 0,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.7. SYST
`
EMES
`
A ENTR

EE SATUR

EE ET
`
A

ETAT RETARD

E 89
ce qui implique que letat x(t) appartient au domaine dattraction o et que

V (t) < 0, t > 0 pour toute
condition initiale veriant lequation (3.7.11).
Le Theor`eme 3.7.2 concerne le probl`eme de la stabilisation locale, en ce sens que le gain K ainsi determine
permet de stabiliser le syst`eme pour un ensemble de conditions initiales veriant la condition (3.7.11). Si le
syst`eme en boucle ouverte est dej`a asymptotiquement stable, il est possible de determiner un gain K de retour
detat qui stabilise globalement le syst`eme. Le theor`eme suivant est un cas particulier du Theor`eme 3.7.2 qui se
consacre `a ce probl`eme.
Theor`eme 3.7.3 [23] Sil existe des matrices symetriques denies positives Q
1
, H, L, J, X, des matrices Q
2
,
Q
3
, W, une matrice diagonales S de dimension appropriee, et un reel qui satisfont aux conditions (3.7.8) et
(3.7.9) avec Y = W, alors le gain de retour detat K = WQ
1
1
rend le syst`eme (3.7.5) globalement asymptoti-
quement stable.
Demonstration. La preuve de ce theor`eme se base sur celle du Theor`eme 3.7.2. Dans ce cas, on remarque
premi`erement que G = WP
1
= WQ
1
1
= K et ensuite que la condition de secteur (3.7.7) est veriee pour tout
x R
n
. La stabilite asymptotique globale se deduit directement.
3.7.3 Etude du cas retarde
Stabilisation asymptotique
Dans cette partie, nous allons nous focaliser sur un cas particulier du syst`eme (3.7.1), o` u lelement neutre
F est nul. Nous omettrons aussi la condition sur la derivee du retard (t). Finalement, le syst`eme que nous
etudierons ici est :
x(t) = Ax(t) +A
d
x(t (t)) +Bu(t), (3.7.14)
o` u le retard (t) est suppose majore et verie 0 (t)
2
.
Theor`eme 3.7.4 [23] Sil existe des matrices de R
nn
Q
1
, J, symetriques denies positives, des matrices de
R
nn
Q
2
, Q
3
, Y, W, une matrice diagonale de R
nn
S et une matrice de R
2n2n
H qui verient les conditions
LMI suivantes :
_

0
+
2
H
_
Y
T
BS
_

2
_
Q
T
2
Q
T
3
_
2S 0

2
J
_

_
< 0, (3.7.15)
_
J J[0 A
T
d
]
H
_
0, (3.7.16)
_
Q
1
(W Y )
T
j
u
2
j
_
0, j = 1, . . . , m, (3.7.17)
o` u

0
=
_
Q
2
+Q
T
2
Q
1
(A+A
d
)
T
+W
T
B
T
Q
T
2
+Q
3
Q
3
Q
T
3
_
,
alors pour K = WQ
1
1
et si les conditions initiales verient :

max
(Q
1
1
)[[()[[
2
+

2
2
2

max
(J
1
)[[

()[[
2
1, (3.7.18)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
90 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
les solutions du syst`eme (3.7.14) convergent asymptotiquement vers lorigine.
Demonstration. On propose la fonctionnelle de Lyapunov-Krasovskii suivante :
V (t) = x
T
(t)EP x(t) +
_
0

2
_
t
t+
y
T
(s)Ry(s)dsd,
avec R > 0. La suite de la demonstration reprend etape par etape celle du theor`eme 3.7.2 avec = 1.
De meme que dans la partie precedente, on propose le theor`eme suivant qui caracterise la stabilisation
asymptotique globale du syst`eme.
Theor`eme 3.7.5 [23] Sil existe des matrices de R
nn
Q
1
, J, symetriques denies positives, des matrices de
R
nn
Q
2
, Q
3
, W et une matrice diagonale de R
nn
S et une matrice de R
2n2n
H telles que les conditions LMI
(3.7.15) et (3.7.16) avec Y = W soient satisfaites, alors la commande par retour detat de gain K = WQ
1
1
est
telle que le syst`eme boucle (3.7.14) est globalement asymptotiquement stable.
Application `a la stabilisation exponentielle
Des proprietes de stabilisation exponentielle representent un moyen de caracteriser le degre de convergence
et les performances dun syst`eme. Pour un reel > 0, un syst`eme (3.7.14) est dit exponentiellement stable de
degre ou stable, sil existe un reel 1 tel que la solution x(t; t
0
, ()), pour toute condition initiale ,
verie :
[[x(t, t
0
, ())[[ [[()[[e
(tt
0
)
.
En utilisant les methodes presentes de stabilite et de stabilisation exponentielle, on propose le theor`eme suivant
concernant la stabilisation exponentielle de syst`emes `a entree saturee :
Theor`eme 3.7.6 Si, pour un reel > 0 donne, il existe des matrices de R
nn
Q
1
, J, symetriques denies
positives, des matrices de R
nn
Q
2
, Q
3
, Y, W et une matrice diagonale de R
nn
S et deux matrices de R
2n2n
H
1
et H
2
telles que les conditions LMI suivantes soient satisfaites :
_

0i
+
2
H
i
_
Y
T
BS
_

2
_
Q
T
2
Q
T
3
_
2S 0

2
J
_

_
< 0, i = 1, 2, (3.7.19)
_
J J[0 b
i
A
T
d
]
H
i
_
0, i = 1, 2, (3.7.20)
_
Q
1
(W Y )
T
j
u
2
j
_
0, j = 1, . . . , m, (3.7.21)
avec

0i
=
_
Q
2
+Q
T
2
Q
1
(A+I +
i
A
d
)
T
+W
T
B
T
Q
T
2
+Q
3
Q
3
Q
T
3
_
,
et

1
= 1,
2
= e

2
,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.7. SYST
`
EMES
`
A ENTR

EE SATUR

EE ET
`
A

ETAT RETARD

E 91
alors, pour K = WQ
1
1
et pour toutes conditions initiales veriant :

max
(Q
1
1
)[[()[[
2
+
e
2
2
1 + 2
2
4
2

max
(J
1
)([[[[ +[[

[[)
2
1, (3.7.22)
les solutions du syst`eme (3.7.14) convergent exponentiellement vers lorigine avec un degre de convergence
exponentielle .
Demonstration. La commande du syst`eme est toujours u(t) = sat(Kx(t), u). En introduisant la nouvelle
variable x

(t) = e
t
x(t) pour exprimer le syst`eme (3.7.14), la stabilite asymptotique de la solution x

implique
lstabilite de la solution x. Les equations denissant le syst`eme (3.7.14) deviennent alors :
x

(t) = (A+I
n
)x

(t) +e
(t)
A
d
x

(t (t)) +e
t
Bsat(Ke
t
x

(t), u),
qui peut secrire comme le syst`eme `a param`etres variables suivant :
x

(t) = (A+I
n
+BK)x

(t) +e
(t)
A
d
x

(t (t)) +B

(Kx(t)), (3.7.23)
o` u

(Kx(t)) e
t
(Kx(t)).
Supposons maintenant que letat x(t) appartiennent `a o. Sachant que e
t
> 0, t, le Lemme 3.7.1 permet
toujours de garantir lequivalence suivante :

T
(Kx(t))e
t
Te
t
[(Kx(t)) Gx(t)] 0

(Kx(t))T[

(Kx(t)) Gx

(t)] 0,
(3.7.24)
pout toute matrice diagonale positive T R
mm
.
En tenant en compte que le retard variable (t) est borne par
2
, on peut ecrire :

1
= 1 e
(t)
e

2
=
2
.
On en deduit quil existe une representation polytopique du terme e
(t)
en denissant des fonctions scalaires

1
et
2
satisfaisant les conditions de convexite suivantes :
t 0,
1
(t) +
2
(t) = 1,
1
(t) 0,
2
(t) 0.
et telles que :
e
(t)
=
1
(t)
1
+
2
(t)
2
.
Par consequent, le syst`eme (3.7.23) secrit en utilisant une representation polytopique :
x

(t) =
2

i=1

i
(t, x
t
) [(A+I
n
)x

(t) +
i
A
d
x

(t (t)) +BKx

(t) B

(Kx(t))] . (3.7.25)
Ensuite, la preuve du theor`eme suit les etapes du Theor`eme 3.7.4 applique aux cas du syst`eme (3.7.25)
avec = 1. En utilisant la representation descripteur x

= colx

(t), x

(t), on propose la fonctionnelle de


Lyapunov-Krasovskii :
V

(t) = x
T

(t)EP x

(t) +
_
0

2
_
t
t+
x
T

(s)R x

(s)dsd,
avec R > 0.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
92 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
An de determiner une estimation du domaine dattraction, la preuve suit celle du Theor`eme 3.7.2, mais
dans ce cas, on obtient :
x
T

(t)P
1
x

(t) V

(t) V

(0) 1, t 0,
ce qui permet davoir :
V

(0)
max
(Q
1
1
)[[()[[
2
+
max
(J
1
)([[[[ +[[

[[)
2
_
0

2
_
0

e
2s
dsd,

max
(Q
1
1
)[[[[
2
+
e
2
2
1+2
2
4
2

max
(J
1
)([[[[ +[[

[[)
2
.
Ainsi, on en deduit que letat x

(t) appartient `a c, t 0. Sachant que la relation (3.7.21) implique que


c o, linegalite [(K G)
j
x

(t)[ u
j
est satisfaite et, par consequent, que [(K G)
j
x(t)[ e
t
u
j
u
j
,
t > 0, autrement dit que x(t) o, t > 0. On conclut en remarquant que la condition de secteur modiee
(3.7.24) est veriee et quensuite

V

(t) < 0, t > 0 pour toutes les conditions initiales veriant (3.7.22).
Remarque 3.7.7 Sachant que la fonction e

est convexe, linegalite suivante est veriee :


e
2
2
1 + 2
2
4
2


2
2
2
,
ce qui assure que lensemble des conditions initiales pour lesquelles il est possible de determiner un gain K qui
stabilise asymptotiquement le syst`eme est plus grand que celui deni dans le cas exponentiel. De plus lorsque
tend vers 0, le terme
e
2
2
1+2
2
4
2
tend vers

2
2
2
, ce qui assure la continuite du resultat par rapport au param`etre
.
Remarque 3.7.8 Il est faisable detendre ces resultats au cas des syst`emes `a param`etres incertains presentes
sous forme polytopique. En eet les conditions LMI des Theor`emes 3.7.2, 3.7.3 3.7.4, 3.7.5 et 3.7.6 sont anes
par rapport aux matrices A, A
d
, B et F denissant le syst`eme. Pour caracteriser la stabilite dun syst`eme
mis sous forme polytopique, il sut que chacun des polytopes verient les conditions LMI de stabilite. An de
diminuer le conservatisme de ces conditions, on peut introduire dierentes matrices Q
2
et Q
3
pour chacun des
polytopes.
3.7.4 Optimisation des resultats
Maximisation de la borne superieure du retard garantissant la stabilite globale
Dans le cas o` u le syst`eme etudie sans retard est asymptotiquement stabilisable, un probl`eme interessant
consiste `a determiner la borne superieure maximale,

2
, du retard,
2
(t), telle que le syst`eme (3.7.5) est globa-
lement asymptotique stabilisable. On resout le probl`eme doptimisation suivant :
max
2
soumis `a
(3.7.8) et (3.7.9) avec Y = W.
Si lon consid`ere
2
comme une variable du probl`eme, les conditions obtenues ne sont plus des LMI mais des
inegalites matricielles bilineaires (dont labreviation anglaise est BMI). Pour resoudre ce probl`eme, il sut de
tester iterativement des valeurs de
2
jusqu`a ce que les conditions LMI (3.7.8) et (3.7.9) deviennent infaisables.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.7. SYST
`
EMES
`
A ENTR

EE SATUR

EE ET
`
A

ETAT RETARD

E 93
Optimisation de lensemble des conditions initiales admissibles
Pour des valeurs
2
et d donnees, pour assurer la stabilite du syst`eme (3.7.5) en utilisant le Theor`eme
3.7.2, lensemble des conditions initiales admissibles doit satisfaire `a la condition (3.7.11). On suppose alors
que quil existe deux reels positifs
1
et
2
tels que [[()[[
2
=
1
et [[

()[[
2
=
2
. Dans ce cas, notre objectif
est de determiner les bornes maximales
1
et
2
pour lesquelles la condition (3.7.11) est toujours satisfaite. Le
probl`eme se presente de la mani`ere suivante.
Premi`erement, on remarque que plus les valeurs propres des matrices Q
1
1
, X
1
, J
1
et L
1
sont petites, plus
les bornes
1
et
2
pour lesquelles la condition (3.7.11) est veriee sont grandes. Pour introduire ces proprietes
dans le probl`eme LMI, on ajoute les conditions suivantes :
_

Q1
I
n
I
n
Q
1
_
0,
_

X
I
n
I
n
X
_
0,
_

J
I
n
I
n
J
_
0,
_

L
I
n
I
n
L
_
0.
(3.7.26)
En utilisant le complement de Schur, les conditions (3.7.26) deviennent equivalentes `a
Q1

max
(Q
1
1
),

X

max
(X
1
),
J

max
(J
1
) et
L

max
(L
1
). On denit alors le probl`eme doptimisation suivant :
min
1

Q1
+
2

X
+
3

J
+
4

L
soumis `a
(3.7.8), (3.7.9), (3.7.10) et (3.7.26),
(3.7.27)
o` u
1
,
2
,
3
et
4
representent des poids qui doivent etre regles pour satisfaire certains compromis entre
1
et

2
.
Maximisation possible dans le cas dun ensemble de conditions initiales donnees
On se place cette fois-ci dans le cas o` u lon se donne un ensemble de conditions initiales. On souhaite alors
optimiser les resultats selon plusieurs crit`eres. Le fait de se donner un ensemble de conditions initiales impose
les valeurs de
1
> 0 et
2
> 0. Lobjectif est alors de determiner le gain K du retour detat. Dans ce probl`eme,
on consid`ere le probl`eme suivant :
(
Q1
+
2

X
)
1
+ (0.5
2
2

J
+
2

L
)
2
1 0,
associe aux conditions LMI auxiliaires (3.7.26)
Dautre part, on peut introduire les nouvelles contraintes :
maximiser la borne superieure
2
du retard (t) pour laquelle la synth`ese dun gain K de retour detat
stabilisant est possible.
maximiser le degre de convergence exponentiel pour une borne superieure du retard
2
donnee.
minimiser la borne superieure
2
du retard (t) pour une fonction de co ut donnee (cest-`a-dire resoudre
un probl`eme de stabilisation `a co ut garanti).
3.7.5 Exemples
On consid`ere le syst`eme (3.7.1) avec :
A =
_
3 1
0 4
_
, A
d
=
_
0.5 0
0.5 0.5
_
, B =
_
1
0
_
,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
94 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
F =
_
0.5 0
0 0.5
_
, d = 0.5,
2
= 1.
Dapr`es le Theor`eme 3.7.3, et en prenant = 0.1, il est alors possible dassurer la stabilite asymptotique globale
du syst`eme en boucle fermee avec, par exemple, K = [0.138 0.381]. De plus cette stabilite peut etre assurer
pour des retards veriant
2
23 10
3
et d 0.6.
On consid`ere maintenant le meme syst`eme (3.7.1) mais avec les valeurs suivantes :
A =
_
1 1.5
0.3 2
_
, A
d
=
_
0 1
0 0
_
, B =
_
10
1
_
F =
_
0.2 0
0 0.2
_
, u
0
= 15,
2
= 1; d = 0.1.
Le probl`eme doptimisation (3.7.27) avec
1
=
2
=
3
=
4
= 1 conduit au gain de retour detat K =
[0.278 0.139]. Cette commande assure la stabilite asymptotique pour toutes les conditions initiales
veriant :
51[[()[[
2
+ 9.34[[

()[[
2
10
4
ce qui revient dans un cas particulier `a [[()[[ = [[

()[[ < 12.88.


On remarque, dautre part, que lensemble des conditions initiales determine pour la plus grande valeur

2
= 2, est plus petit que le precedent. En eet le gain K = [0.248 0.136] obtenu pour = 0.11, ne stabilise
le syst`eme que pour des conditions initiales veriant [[()[[ = [[

()[[ < 2.21.


On sinteresse maintenant au meme exemple mais avec F = 0, qui correspond au cas retarde.
Il est possible dassurer la stabilite asymptotique pour des conditions initiales veriant [[()[[ = [[

()[[ <
79.546 avec le gain K = [7.005 0.652]. On remarque que cet ensemble est sensiblement plus important que
celui determine dans [52] (79.43) ou que dans [16] (58.40). Cependant il faut rappeler que les theor`emes presentes
ici ne necessitent aucune contrainte sur la derivee du retard et que le nombre de conditions LMI `a resoudre
est moins important. Ceci laisse penser que cette approche conduit `a des resultats moins conservatifs que les
precedents.
Toujours pour le meme exemple, on cherche `a resoudre le probl`eme doptimisation propose dans la partie
3.7.4. Pour des conditions initiales veriant [[()[[
2
= [[

()[[
2
< 50, le gain K = [0.524 0.867] de retour
detat stabilise asymptotiquement le syst`eme pour tout retard borne par
2
7.015.
3.7.6 Conclusion
La synth`ese de gains stabilisant des syst`emes neutres lineaires en presence de retard et de saturation a ete
resolue dans cette partie. Des conditions LMI qui permettent de deduire le gain du retour detat caracterisent
la stabilite du syst`eme boucle. Des crit`eres de stabilite asymptotique et exponentielle ont ete developpes pour
les syst`emes neutres et/ou `a retards. Dautre part nous avons presente une phase doptimisation permettant
dobtenir soit les valeurs maximales de la borne superieure du retard soit une plus grande estimation du domaine
dattraction.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
3.8. CONCLUSION 95
3.8 Conclusion
Dans ce chapitre, nous avons etendu les resultats du Chapitre 2 au cas de syst`emes soumis `a des non-
linearites. Plus particuli`erement, nous nous sommes penches sur la stabilite et la stabilisation exponentielle `a
taux de convergence garanti dune classe de syst`emes non-lineaires admettant une representation par mod`eles
polytopiques ou par mod`ele `a param`etres incertains bornes. Enn une extension a ete proposee pour les syst`emes
soumis `a des saturations. Nous avons notamment etudier les syst`emes `a retards sur letat et `a entree saturee
et les syst`emes `a entree saturee et retardee. Dans ces deux cas, nous avons propose une estimation du domaine
dattraction. Nous allons voir dans le prochain chapitre que ces theor`emes peuvent etre etendus au cas des
syst`emes `a retards continus par morceaux.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
96 Chapitre 3. Stabilite des syst`emes non lineaires `a retards
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Chapitre 4
Syst`emes `a entree echantillonnee
4.1 Introduction
La plupart des commandes actuellement implantees le sont sur des calculateurs numeriques via un conver-
tisseur analogique numerique pouvant etre modelise par un echantillonneur bloqueur dordre 0. Bien s ur, de
telles commandes ne sont pas des fonctions continues du temps puisquun controleur travaille avec une frequence
limitee. On denit alors le temps dechantillonnage comme le temps necessaire au calculateur pour passer dune
valeur de la commande `a la suivante. La Figure 4.1 presente le schema-bloc de lechantillonneur et son eet sur
un signal continu. Leet de cet echantillonneur est de bloquer la valeur du signal continue u `a un instant donne
et pendant une periode determinee.

u(nT) u(t)
Echantillonneur
Fig. 4.1 Schema-Bloc dun echantillonneur ou bloqueur dordre 0.
La Figure 4.2 montre un signal continu et le meme signal echantillonne :
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
time (s)
f(
t)
Initial signal
Sampled signal: h= 1s
Sampled signal: h=0.3s
Fig. 4.2

Echantillonnages de la fonction sinus
97
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
98 Chapitre 4. Syst`emes `a entree echantillonnee
Deux approches sont utilisees pour la synth`ese du correcteur. La premi`ere est une approche numerique pour
laquelle on determine un correcteur `a partir dun mod`ele en temps discret du processus. Dans ce cas, les lois de
commande sont synthetisees `a partir des theor`emes sur les syst`emes discrets [126]. La seconde est une approche
continue qui permet de construire des lois de commande `a partir dun mod`ele en temps continu du processus.
Dans ce cas, la synth`ese de la loi de commande fait appel aux theor`emes sur les mod`eles continus.
Dans le cadre de notre etude, nous allons considerer des syst`emes dont lentree est une fonction du temps
continue par morceaux. Plus precisement, ces fonctions seront des fonctions continues sauf sur un ensemble
denombrable de points et telles que, `a tout instant t, les limites `a droite et `a gauche soient nies. Ces commandes
seront appliquees sur des syst`emes continus. Le probl`eme qui apparat ici, est un probl`eme hybride car on ne se
situe dans aucune des deux approches presentees ci-dessus.
Une commande echantillonnee est equivalente `a une commande continue au sens o` u la dierence des eets
sur le processus est negligeable si le temps dechantillonnage est tr`es faible par rapport au dynamique de ce
processus. Meme si aujourdhui les calculateurs et les ordinateurs poss`edent une grande rapidite de calcul,
il est interessant de quantier cette approximation et de verier pour quelles frequences dechantillonnage
la stabilite asymptotique peut etre garantie. Aussi lobjectif de ce chapitre est de determiner linuence de la
periode dechantillonnage dun signal dentree sur les performances dun processus. En particulier, nous tenterons
de donner une borne superieure de la periode dechantillonnage pour laquelle les performances esperees sont
atteintes. Ainsi, du point de vue de lingenieur, nous pourrons dimensionner la frequence des calculateurs en
fonction de la dynamique du processus etudie.
Sachant que la diculte de cette etude provient de la discontinuite de la commande (on pourrait plutot
parler de variations brutales de celle-ci), lidee de meler en quelques sortes les deux etudes est apparue en
faisant appel `a la modelisation de lechantillonnage `a laide de retard variable. Cette approche permet dutiliser
lapproche tout continu mais en considerant un syst`eme `a retard variable. Nous allons considerer quun signal
echantillonne est un signal continu sur lequel on applique un retard variable. Ainsi nous pourrons appliquer des
crit`eres de stabilite speciques aux syst`emes `a retards.
4.2 Une approche frequentielle
4.2.1 Condition necessaire et susante de stabilite
Dans ce paragraphe sera bri`evement rappelee une condition necessaire et susante de stabilite pour les
syst`emes mono-entree et mono-sortie (SISO). Les syst`emes etudies sont modelises par un schema-bloc presente
Figure 4.3.

Y Yc
Echantillonneur F(s)
C(s)
+
-
Fig. 4.3 Syst`eme SISO
o` u C est un correcteur predetermine et o` u la fonction de transfert F est de la forme :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4.2. UNE APPROCHE FR

EQUENTIELLE 99
F(s) =
m

i=1
b
i
s
i
n

i=1
a
i
s
i
, m < n,
On calcule alors la fonction de transfert en z du syst`eme sur une periode dechantillonnage T :
F(z) =
Z(B
o(s)
F(s))
Z(1 +B
o(s)
F(s)C(s))
Apr`es la discretisation du mod`ele, le denominateur de cette fonction de transfert secrit :
D(z) =
n

i=1
c
i
(T)z
i
. (4.2.1)
On sait que la stabilite asymptotique du syst`eme est determinee par le denominateur de cette fonction
de transfert en la variable z. Il faut et il sut que le denominateur D(z) ait des zeros de module strictement
inferieur `a 1. Dautres crit`eres equivalents apparaissent dans la litterature. Dans cet expose il nen gurera quun
seul car les theor`emes utilises dans le domaine discret nen sont pas lobjet principal. Celui qui sera presente est
le crit`ere de Jury [126]. Ce dernier necessite la construction du tableau suivant :
1
2
3
4
.
.
2n 5
2n 4
2n 3
_

_
c
0
c
1
c
2
. . . c
n1
c
n
c
n
c
n1
c
n2
. . . c
1
c
0
d
0
d
1
d
2
. . . d
n1
d
n1
d
n2
d
n3
. . . d
0
. . . . .
. . . . .
p
0
p
1
p
2
p
3
p
3
p
2
p
1
p
0
q
0
q
1
q
2
(4.2.2)
o` u
d
0
=

c
0
c
n
c
n
c
0

, d
k
=

c
0
c
nk
c
nk
c
0

q
0
=

p
0
p
n
p
n
p
0

, q
k
=

p
0
p
nk
p
nk
p
0

.
Les coecients qui apparaissent dans le crit`ere de Jury font implicitement apparatre la periode dechantillonnage.
Le crit`ere de Jury certie que le syst`eme est asymptotiquement stable si et seulement si les conditions suivantes
sont satisfaites :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
100 Chapitre 4. Syst`emes `a entree echantillonnee
_

_
D(1) > 0,
(1)
n
D(1) > 0,
[c
0
[ < [c
n
[ ,
[d
0
[ < [d
n1
[ ,
.
.
[p
0
[ < [p
3
[ ,
[q
0
[ < [q
2
[ .
Ayant des conditions de stabilite sur les coecients du polynome D(z), il est possible de remonter `a la
condition sur la periode dechantillonnage.
4.2.2 Cas du double integrateur
Considerons alors lexemple du double integrateur et un reseau correcteur du type proportionnel derive deni
de telle mani`ere que le mod`ele corrige ait ses poles egales `a -1 : C(s) = 2s + 1. Le crit`ere de Jury nous donne
la condition de stabilite sur la periode dechantillonnage T < 1. Pour un syst`eme correcteur choisi de telle sorte
que le syst`eme ait pour poles p
1
et p
2
, la condition devient :
T <
2
p
1
+p
2
. (4.2.3)
Ce crit`ere permet donc de trouver la periode dechantillonnage maximale admissible pour un couple (F, C)
donne qui est aussi la periode dechantillonnage T, au-del`a de laquelle le syst`eme devient instable (condition
necessaire et susante). Cependant ce crit`ere est limite dans son application. En eet, pour un syst`eme lineaire
`a une entree et une sortie (meme si dans le cas dun double integrateur la solution est simple), la complexite
de la solution devient importante lorsque le degre du denominateur est grand. De plus il sav`ere dicile de
lappliquer `a des syst`emes `a plusieurs entrees et plusieurs sorties.
4.2.3 Une premi`ere approche par retard variable
Une solution interessante a ete trouvee [15] pour les syst`emes regis par une equation dierentielle `a retard
de la forme :

Z(t) = AZ(t) +BZ(t (t)),


o` u A et B sont des matrices carrees de dimension nn et o` u A est inversible. (t) represente un retard variable
tel que t (t) est constant et egal `a kT sur lintervalle de temps ]kT, (k +1)T]. Lequation dierentielle devient
alors :

Z(t) = AZ(t) +BZ(kT). (4.2.4)


Ce syst`eme peut etre associe `a une equation dierentielle matricielle du premier ordre quon peut resoudre
sur chaque intervalle :
Z(t) = [(I +A
1
B) exp(A(t (t)) +A
1
B]Z(k.T).
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4.3. UNE APPROCHE PAR RETARD VARIABLE 101
Si lon se place au temps t = (k + 1)T, on obtient une relation de recurrence simple. Il apparat alors un
crit`ere de convergence. Pour que le syst`eme soit asymptotiquement stable, il est susant que :
_
_
(I +A
1
B) exp(AT) +A
1
B
_
_
< 1. (4.2.5)
Dans le cas o` u A est la matrice nulle la condition devient :
|I BT| < 1. (4.2.6)
Grace aux equations (4.2.5) ou (4.2.6), on peut nalement determiner la borne superieure
2
de la periode
dechantillonnage telle que le syst`eme (4.2.4) soit stable.
Ainsi, dans le cas lineaire, nous pouvons determiner de facon certaine la periode dechantillonnage maxi-
male qui nalt`ere pas la stabilite du syst`eme. On peut aisement remarquer que meme si les calculs paraissent
elementaires, leur complexite augmente avec lordre du syst`eme. On notera aussi le conservatisme de ce resultat
qui ne peut garantir la stabilite que si la matrice A est nulle ou inversible. Il faut noter aussi que pour ces derni`eres
approches, la connaissance des instants dechantillonnage (et la constance de la periode dechantillonnage pour
lapplication du crit`ere de Jury) est necessaire. Cest pourquoi il parait necessaire de proposer dautres approches
qui ne donnent malheureusement que des conditions susantes mais dont les resultats pourraient etre appliques
`a des syst`emes plus complexes comme des syst`emes `a coecients perturbes ou `a entree saturee.
4.3 Une approche par retard variable
La modelisation de syst`emes continus `a entree echantillonnee sous forme de syst`emes soumis `a un retard pur
a ete introduite par Mikheev, Sobolev & Fridman [103], Astrom & Wittenmark [6] et developpee plus tard par
Emilia Fridman [46]. La loi de commande numerique peut donc etre representee par une commande retardee de
la forme :
u(t) = u
d
(t
k
) = u
d
(t (t t
k
)) = u
d
(t (t)), pour tout t [t
k
, t
k+1
[, (t) = t t
k
, (4.3.1)
o` u u
d
est un signal de commande discret et le retard variable (t) = t t
k
est une fonction continue par
morceaux dont la derivee prend la valeur (t) = 1 pour t ,= t
k
. De plus, on assure que le retard (t) est toujours
inferieur `a la periode dechantillonnage t
k+1
t
k
. La Figure 4.4 illustre un signal echantillonne `a deux cadences
constantes dierentes, T
1
= 0.2 et T
2
= 0.5, et les retards dechantillonnage associes.
En ce qui concerne les syst`emes `a retards variables, des conditions sont obtenues en utilisant des fonctionnelles
de Lyapunov-Krasovskii dans le cas o` u la derivee du retard est strictement inferieure `a 1 [84]. La question de la
stabilite dans le cas de retards variables et sans condition restrictive sur leur derivee a ete traitee principalement
`a laide de fonctions de Lyapunov-Razumikhin, qui conduisent generalement `a des resultats conservatifs (cf. [64],
[73], [85] et [111]). Ce nest que recemment que, pour la premi`ere fois, le probl`eme de stabilite de syst`emes `a
retard sans condition sur la derivee du retard fut traite par des techniques de Lyapunov-Krasovskii [57]. Ceci
est possible en mixant cette technique `a la representation descripteur introduite par E. Fridman dans [47].
La principale approche de la stabilisation robuste des syst`emes `a entree echantillonnee est la technique du
lifting (c.f. [8], [36], [118], [156]) dans laquelle ce probl`eme est transforme en un probl`eme discret en dimension
nie. Cependant cette approche ne permet pas de considerer le cas o` u il y a des incertitudes sur la periode
dechantillonnage (inconnue et/ou variable) et sur les param`etres du syst`eme.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
102 Chapitre 4. Syst`emes `a entree echantillonnee
0 1 2 3 4 5
1
0.5
0
0.5
1
Signal chantillonn
0 1 2 3 4 5
0
0.2
0.4
0.6
0.8
Retards dchantillonnage
Fig. 4.4 Exemple de retards dechantillonnage
Une nouvelle approche pour la stabilisation de syst`emes `a entree echantillonnee est suggeree dans [133].
Cette approche permet de resoudre le probl`eme de stabilite et de stabilisation des syst`emes `a retards continus
par morceaux, incertains mais bornes, par la periode maximale dechantillonnage. Le principal probl`eme est de
demontrer que les conditions de stabilite et de stabilisation sont toujours valables dans le cas de signal dentree
continu par morceaux. Les resultats qui sont proposes par la suite garantissent la robustesse par rapport aux
instants dechantillonnage. Leur seule contrainte est que la duree maximale entre deux instants dechantillonnage
consecutifs soit inferieure `a une borne connue
2
.
Ce qui rend cette methode tr`es interessante est quelle permet dappliquer directement aux syst`emes `a entree
echantillonnee les dierentes methodes de controle utilisees dans le cadre des syst`emes `a retards. Les conditions
LMI sont anes par rapport aux matrices denissant le syst`eme, des conditions de stabilisation quadratique sont
directement deduites pour des syst`emes qui presentent des incertitudes polytopiques. Il est aussi envisageables
de considerer une stabilisation locale de syst`emes `a entree echantillonnee et saturee par application des resultats
existants [16], [25], [52] et [143].
4.3.1 Stabilite dun syst`eme `a entree echantillonnee
Considerons le syst`eme lineaire suivant :
x(t) = Ax(t) +Bu(t), (4.3.2)
o` u x(t) R
n
represente letat et u(t) R
m
la commande echantillonnee du syst`eme. Les matrices A R
nn
et
B R
nm
sont supposees constantes.
Notre objectif est de determiner une loi de controle discontinue de la forme u(t) = u
d
(t
k
), t
k
t < t
k+1
,
o` u u
d
est un signal echantillonne de commande et o` u 0 = t
0
< t
1
< ... < t
k
< ... representent les instants
dechantillonnage. La loi de commande choisie pour stabiliser le syst`eme est un retour detat donne par :
u(t) = Kx(t
k
), t
k
t < t
k+1
. (4.3.3)
Le signal echantillonne est alors assimile `a un signal continu soumis `a un retard variable discontinu (mais
continu `a droite) de la forme (t) = t t
k
donnee dans (4.3.1). Dans cette conguration la loi de commande
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4.3. UNE APPROCHE PAR RETARD VARIABLE 103
devient une commande retardee :
u(t) = Kx(t (t)). (4.3.4)
En introduisant (4.3.4) dans (4.3.2), le syst`eme boucle secrit nalement :
x(t) = Ax(t) +BKx(t (t)), (t) = t t
k
, t
k
t < t
k+1
. (4.3.5)
An de determiner des conditions de stabilite dun tel syst`eme, une hypoth`ese est ajoutee sur la duree
separant deux instants dechantillonnage :
t
k+1
t
k

2
k 0. (4.3.6)
En dautres termes, lequation (4.3.6) impose une borne superieure au retard dechantillonnage cest-`a-dire
(t)
2
. Cela revient `a dire que la duree qui separe deux instants dechantillonnage ne peut pas depasser
une certaine borne
2
. En suivant les resultats de [57], o` u le retard considere etait continu, lextension au cas
de retards discontinus et dont la derivee (t) peut prend reguli`erement la valeur 1 est obtenue dans le lemme
suivant :
Lemme 4.3.1 [53] Pour un gain matriciel K donne, le syst`eme boucle (4.3.5) est stable, pour tout echantillonnage
veriant la condition (4.3.6), sil existe des matrices de dimension n n 0 < P
1
, P
2
, P
3
, Z
1
, Z
2
, Z
3
et R > 0
telles que les conditions LMI suivantes soient satisfaites :

1
< 0, et
_
R [0 K
T
B
T
]P
Z
_
0, (4.3.7)
o` u
P =
_
P
1
0
P
2
P
3
_
, Z =
_
Z
1
Z
2
Z
3
_
,
1
=
0
+
2
Z +
_
0 0
0
2
R
_
,

0
= P
T
_
0 I
n
A+BK I
n
_
+
_
0 I
n
A+BK I
n
_
T
P.
Demonstration.
La preuve est basee sur la representation descripteur du syst`eme (4.3.5) [47] :
_
x(t) = y(t),
0 = y(t) + (A+BK)x(t) BK
_
t
t(t)
y(s)ds,
(4.3.8)
qui est toujours valide dans le cas du retard continu par morceaux (t) pour t > 0. Soient un gain K et une
fonction de conditions initiales x(t) = (t) (t [
2
, 0]), o` u est une fonction continue par morceaux, letat
x(t) verie lequation (4.3.8) pour tout t 0 si, et seulement si, il verie lequation (4.3.5).
On utilise alors la fonctionnelle de Lyapunov-Krasovskii suivante (cf. Theor`eme 2.3.2, dans le cas asympto-
tique ( = 0)) :
V (t) = x
T
(t)EP x(t) +
_
0

2
_
t
t+
y
T
(s)Ry(s)dsd, , (4.3.9)
o` u
x(t) = colx(t), y(t), E =
_
I
n
0
0 0
_
, P =
_
P
1
0
P
2
P
3
_
, P
1
= P
T
1
> 0, (4.3.10)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
104 Chapitre 4. Syst`emes `a entree echantillonnee
qui verie linegalite :
a[x(t)[
2
V (t) b sup
s[
2
,0]
[ x(t +s)[
2
, a > 0, b > 0. (4.3.11)
En dierenciant V (t) le long des trajectoires de (4.3.8) pour t
2
, on obtient (c.f. [57]) :

V (t) < x(t)


T

1
x(t) < c[x(t)[
2
, c > 0, (4.3.12)
`a condition que les equations (4.3.7a,b) soient satisfaites. En integrant (4.3.12), on obtient :
V (t) V (
2
) c
_
t

2
[x(s)[
2
ds (4.3.13)
et, par consequent, (4.3.11) conduit `a [x(t)[
2
V (t)/a V (
2
)/a < b/a sup
s[
2
,0]
[ x(
2
+ s)[
2
. Sachant que
sup
s[
2
,0]
[ x(
2
+ s)[ c
1
sup
s[
2
,0]
[(s)[,c
1
> 0 (c.f. Hale & Lunel, [73], p168). On en deduit que x, deni
`a droite par (4.3.5), verie sup
s[
2
,0]
[ x(
2
+s)[ c
2
sup
s[
2
,0]
[(s)[, c
2
> 0, On obtient :
[x(t)[
2
c
3
sup
s[
2
,0]
[(s)[
2
, c
3
> 0. (4.3.14)
Finalement le syst`eme decrit par (4.3.5) est stable, (cest-`a-dire x(t) est borne et petit pour une condition
initiale petite). An de prouver la stabilite asymptotique, on remarque que la solution x(t) est uniformement
continue sur [0, ) car x(t) deni `a droite par (4.3.5) est uniformement bornee. De plus, (4.3.13) implique que
[x(t)[
2
est integrable sur [0, ). Enn le lemme de Barbalat permet de conclure en montrant que x(t) 0
lorsque t .
Ce theor`eme garantit maintenant quun syst`eme soumis `a un retard deni par (4.3.1) est stable sil satisfait
des conditions stabilite classiques issues des Theor`emes de Lyapunov. Cela permet donc delargir le champ
dapplication de tous les theor`emes presentes dans les chapitres precedents au cas des syst`emes `a entree et/ou
`a sortie echantillonnees `a partir du moment o` u lon autorise la derivee du retard `a etre egale `a 1, (t) 1.
4.3.2 Etude de la robustesse
Linteret principal de la modelisation de lechantillonnage comme un retard pur est quil permet dappliquer
les resultats concernant notamment la robustesse par rapport aux param`etres. Dans le cas o` u les matrices
denissant le syst`eme ne sont pas identiees avec certitude, on appelle =
_
A B
_
et on suppose que
(o
j
, j = 1, ...N, `a savoir,
=
N

j=1
f
j

j
pour tout 0 f
j
1,
N

j=1
f
j
= 1, (4.3.15)
o` u les N elements du polytopes sont decrit par
j
=
_
A
(j)
B
(j)
_
.
An de garantir la stabilite de (4.3.2) pour tout polytope de , une extension du Lemme 4.3.1 peut etre
realisee directement en utilisant les memes matrices P
2
et P
3
pour chacun des points du polytope en resolvant
uniquement les conditions LMI (4.3.7a,b) pour les N elements de . Un crit`ere de stabilite asymptotique du
syst`eme boucle est ainsi obtenu :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4.3. UNE APPROCHE PAR RETARD VARIABLE 105
Corollaire 4.3.2 Pour un gain matriciel K donne, le syst`eme (4.3.5) est stable, pour tout element decrivant
lensemble , sil existe des matrices, de dimension nn, 0 < P
(j)
1
,P
2
, P
3
, Z
(j)
1
, Z
(j)
2
, Z
(j)
3
et R
(j)
> 0 telles
que les conditions LMI suivantes soient satisfaites :

(j)
1
< 0, et
_
R
(j)
[0 K
T
B
(j)T
]P
(j)
Z
(j)
_
0, j = 1, ..., N, (4.3.16)
o` u
P
(j)
=
_
P
(j)
1
0
P
2
P
3
_
, Z
(j)
=
_
Z
(j)
1
Z
(j)
2
Z
(j)
3
_
,
(j)
1
=
(j)
0
+
2
Z
(j)
+
_
0 0
0
2
R
(j)
_
,

(j)
0
= P
(j)T
_
0 I
n
A
(j)
+B
(j)
K I
n
_
+
_
0 I
n
A
(j)
+B
(j)
K I
n
_
T
P
(j)
.
4.3.3 Stabilite dun syst`eme neutre `a entree echantillonnee retardee
Considerons le syst`eme neutre lineaire, `a retard et `a entree echantillonnee suivant :
x(t) F x(t g(t)) = A
0
x(t) +A
1
x(t
1
(t)) +Bu(t
2
(t)) (4.3.17)
o` u x(t) R
n
represente letat et u(t) R
m
la loi de commande du syst`eme que lon choisit du type retour
detat de la forme u(t) = Kx(t) o` u K est un gain matriciel `a determiner. Les matrices A
0
, A
1
et F R
nn
et
B R
nm
et K R
mn
sont supposees constantes. Le retard
1
est de la forme :

1
(t) =
1
+
1
(t), [
1
(t)[
1
, (4.3.18)
et le retard
2
(t) se presente de la mani`ere suivante
2
(t) = h + t t
k
, avec t
k
t < t
k+1
o` u h represente un
retard pur ici constant mais pouvant tr`es bien etre variable. Si on suppose que les instants dechantillonnage t
k
verient 0 t
k+1
t
k
T, k 0, on a.

2
(t) =
2
+
2
(t), [
2
(t)[
2
, (4.3.19)
o` u
2
= h+T/2 et
2
= T
2
. Connaissant maintenant les bornes des retards (4.3.18) et (4.3.19), on peut enoncer
le theor`eme de stabilite exponentielle suivant :
Lemme 4.3.3 ([49], Cas 1) Pour un gain K donne, le syst`eme (4.3.17) est asymptotiquement stable pour
tout retard interne
1
veriant (4.3.18), tout retard dechantillonnage
2
veriant (4.3.19) et tout retard g(t)
tel que g(t) d
0
, si |F|
e
< 1 et sil existe des matrices, de dimension n n, 0 < P
1
, P
2
, P
3
, S
k
, U, Y
k1
, Y
k2
,
Z
k1
, Z
k2
, Z
k3
, R
k
et R
ka
, k=1, 2 telles que les conditions LMI suivantes soient satisfaites :
_

1
P
T
_
0
A
1
_
Y
T
1
P
T
_
0
BK
_
Y
T
2
P
T
_
0
F
_
S
1
0 0
S
2
0
(1 d
0
)U

1
P
T
_
0
A
1
_

2
P
T
_
0
BK
_
0 0
0 0
0 0

1
R
1a
0

2
R
2a
_

_
< 0,
(4.3.20)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
106 Chapitre 4. Syst`emes `a entree echantillonnee
et, pour k = 1, 2 :
_

_
R
k
Y
k1
Y
k2
Z
k1
Z
k2
Z
k3
_

_
0, (4.3.21)
o` u la matrice P est denie dans (4.3.10) et
1
est donnee par :

1
= P
T
_
0 I
n
A
0
I
n
_
+
_
0 I
n
A
0
I
n
_
T
P +

2
k=1
_
Y
k
0
_
+

2
k=1
_
Y
k
0
_
T
+

2
k=1

k
Z
k
+
_

2
k=1
S
k
0
0

2
k=1
(
k
R
k
+
k
R
ka
) +U
_
,
4.3.4 Stabilisation exponentielle
Dans la mesure o` u lon a determine des conditions de stabilite pour les syst`emes comprenant des incertitudes
polytotiques, il est maintenant possible denoncer des theor`emes de stabilite exponentielle inspires des resultats
proposes dans le Chapitre 2 pour les syst`emes `a retards bornes et neutres.
On eectue le changement de variables x

(t) = e
t
x(t) dans (4.3.17) o` u lon impose g(t) =
3
, ce qui conduit
`a :
x

(t) = (A
0
+I
n
)x

(t) +e

1
(t)
A
1
z(t
1
(t)) +e

2
(t)
BKx

(t
2
(t)) +Fe
t
x(t
3
). (4.3.22)
Le dernier terme de (4.3.22) peut etre exprime en fonction de x

en ecrivant e
t
x(t
3
) = e

3
x

(t
3
)
e

3
x

(t
3
). On obtient nalement le syst`eme neutre modie suivant :
x

(t) = (A
0
+I
n
)x

(t) +e

1
(t)
A
1
x

(t
1
(t)) +e

2
(t)
BKx

(t
2
(t))
e

3
Fx

(t
3
) +Fe

3
x

(t
3
).
(4.3.23)
Dans un premier temps nous allons determiner des conditions de stabilite exponentielle du syst`eme boucle.
Une premi`ere remarque peut etre faite concernant le terme neutre. Pour que la stabilite soit prouvee il faut
verier la condition suivante [85] :
|e

3
F|
e
< 1. (4.3.24)
On transforme maintenant les termes exponentiels e

1
(t)
et e

2
(t)
sous forme polytopique. pour cela on
remarque que les denitions des retards (4.3.18) et (4.3.19) impliquent :
e
(
i

i
)
e

i
(t)
e
(
i
+
i
)
, t 0, i = 1, 2.
Cela signie quil existe des fonctions reelles
ij
: R R, (i, j) 1, 2
2
, telles que :
t 0, (i, j) 1, 2
2

ij
(t) 0, et

2
i,j=1

ij
(t) = 1 (4.3.25)
et pour lesquelles lequation dierentielle (4.3.23) secrit :
x

(t) =

2
i,j=1

ij
(t)(A
0
+I
n
)x

(t) +
1i
A
1
x

(t
1
(t)) +
2j
BKx

(t
2
(t))
e

3
Fx

(t
3
) +Fe

3
x

(t
3
),
(4.3.26)
o` u
11
= e
(
1

1
)
,
12
= e
(
1
+
1
)
,
21
= e
(
2

2
)
et
22
= e
(
2
+
2
)
.
En appliquant le Lemme 4.3.3 au syst`eme polytopique (4.3.26) on obtient le theor`eme suivant :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4.3. UNE APPROCHE PAR RETARD VARIABLE 107
Theor`eme 4.3.4 [132] Pour un gain K donne, le syst`eme (4.3.17), avec g(t) =
3
satisfaisant `a (4.3.24), est
stable pour tous retards veriant (4.3.18) et (4.3.19) sil existe des matrices symetriques denies positives
P
1
, S
l
, U, R
l
et R
ka
R
nn
et des matrices P
2
, P
3
R
nn
, Y
l
R
n2n
, Z
l
R
2n2n
, pour l = 1, 2, 3 qui
satisfont pour tout (i, j) 1, 2
2
`a (4.3.21) et `a :

ij
1
=
_

2
P
T
_
0

1i
A
1
_
Y
T
1
P
T
_
0

2j
BK
_
Y
T
2
P
T
_
0
e

3
F
_
Y
T
3
S
1
0 0
S
2
0
S
3



P
T
_
0
e

3
F
_

1
P
T
_
0

1i
A
1
_

2
P
T
_
0

2j
BK
_
0 0 0
0 0 0
0 0 0
U 0 0

1
R
1a
0

2
R
2a
_

_
< 0,
(4.3.27)
et

2
= P
T
_
0 I
n
A
0
+I
n
I
n
_
+
_
0 I
n
A
0
+I
n
I
n
_
T
P +

3
l=1

l
Z
l
+

3
l=1
_
_
_
Y
l
0
_
+
_
Y
l
0
_
T
_
_
+
_

3
l=1
S
l
0
0

3
l=1

l
R
l
+

2
k=1
2
k
R
ka
+U
_
,
(4.3.28)
Remarque 4.3.5 Dans le cas o` u
1
=
3
dans (4.3.26), les conditions LMI du Theor`eme 4.3.4 peuvent etre
simpliees. En eet, il sut pour cela de regrouper les termes
1i
A
1
et e

3
F. Ainsi la dimension de (4.3.27)
sera reduite.
Concernant le probl`eme de la stabilisation, cest-`a-dire au probl`eme de la synth`ese du gain K de retour
detat, on propose ici une methode issue de [139]. On impose la condition P
3
= P
2
, o` u R est un param`etre
de reglage. On remarque que, dans ce cas, P
2
est une matrice inversible puisque la seule matrice qui peut etre
denie negative dans le deuxi`eme bloc de (4.3.29) est (P
2
+P
T
2
). On denit alors :

P = P
1
2
.
La suite de la demonstration necessite lintroduction de nouvelles variables. Pour toutes variables matricielles
V P
1
,Y
lk
,S
l
,U,R
l
,R
ka
,Z
ll
avec k = 1, 2, (l, l

) = 1, 2, 3, on denit

V et W par

P
T
V

P et W = K

P. En
multipliant (4.3.29) par diag

P,

P,

P,

P,

P,

P,

P,

P `a droite et par sa transoposee `a gauche, et en multipliant
(4.3.21) par diag

P,

P,

P `a droite et par sa transposee `a gauche, on obtient les conditions suivantes :
Theor`eme 4.3.6 [132] La loi de commande par retour detat (4.3.3) stabilise exponentiellement le syst`eme
(4.3.17), avec g(t) =
3
satisfaisant `a la condition |F|
e
e

3
< 1 et pour tous retard veriant les inegalites
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
108 Chapitre 4. Syst`emes `a entree echantillonnee
(4.3.18) et (4.3.18), si, pour les reels positifs et , il existe des matrices de dimension n n, symetriques
denies positives

P
1
,,

S
l
,

U,

R
l
et

R
ak
, et des matrices de dimension nn,

P,

Z
l1
,

Z
l2
,

Z
l3
et

Y
lk
, pour k = 1, 2
et l = 1, 2, 3,et une matrice de dimension n m, W telles ques les conditions LMI suivantes soient satisfaites
pour toute paire (i, j) 1, 2
2
:
_

3
_

1i
A
1

P

Y
T
11
(

1i
A
1

P)

Y
T
12
_ _

2j
BW

Y
T
21

2j
BW

Y
T
22
_ _
e

3
F

P

Y
T
31
e

3
F

P

Y
T
32
_

S
1
0 0

S
2
0

S
3



_
e

3
F

P
e

3
F

P
_

1
_

1i
A
1

P

1i
A
1

P
_

2
_

2j
BW

2j
BW
_
0 0 0
0 0 0
0 0 0

U 0 0

1

R
1a
0

2

R
2a
_

_
< 0,
(4.3.29)
et
_

R
l

Y
l1

Y
l2


Z
l1

Z
l2


Z
l3
_

_
0, l = 1, 2, 3, (4.3.30)
o` u

311
= (A
0
+I
n
)

P +

P
T
(A
0
+I
n
)
T
+

3
l=1
_

S
l
+
l

Z
l1
+

Y
l1
+

Y
T
l1
_
,

312
=

P
1


P +

P
T
(A
0
+I
n
)
T
+

3
l=1
_

l

Z
l2
+

Y
l2
_
,

322
= (

P +

P
T
) +

3
l=1

l
(

Z
l3
+

R
l
) +

2
k=1
2
k

R
ka
+

U.
4.3.5 Stabilisation des syst`emes `a entree saturee et echantillonnee
Resultats et etude preliminaires
Considerons maintenant le syst`eme (4.3.2) avec une loi de commande echantillonnee (4.3.3) et soumise `a des
contraintes damplitude :
[u
i
(t)[ u
i
, 0 < u
i
, i = 1, ..., m (4.3.31)
On appelle x(t, x(0)) letat du syst`eme (4.3.2) dont la condition initiale est x(0) R
n
. Le domaine dattraction
de lorigine du syst`eme decrit par (4.3.2) et (4.3.3) est lensemble :
/ = x(0) R
n
: lim
t
x(t, x(0)) = 0.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4.3. UNE APPROCHE PAR RETARD VARIABLE 109
Ce paragraphe concerne la synth`ese dun gain K de retour detat qui stabilise exponentiellement le syst`eme
boucle. Par la suite, les conditions permettront dobtenir une estimation A

/ du domaine de stabilite de la
forme :
A

= x(0) R
n
: x
T
(0)P
1
x(0)
1
, (4.3.32)
o` u est un reel positif et P
1
une matrice symetrique denie positive de dimension n n. Contrairement `a
lensemble A

deni dans (4.3.32) du Chapitre 3, lestimation du domaine dattraction est une ellipsode.
En utilisant lapproche par retard variable, la commande par retour detat echantillonnee et saturee se
presente sous la forme :
u(t) = sat(Kx(t (t)), u). (4.3.33)
o` u u = [ u
1
, ..., u
m
]. Ainsi le probl`eme initial de stabilisation dun syst`eme `a entree echantillonnee et saturee
devient equivalent au probl`eme de stabilisation dun syst`eme `a retard pur et `a entree saturee que lon peut
resoudre en se referant `a [59].
Representation polytopique
En appliquant le controle (4.3.33), le syst`eme boucle est alors regi par lequation :
x(t) = Ax(t) +Bsat(Kx(t (t)), u),
(t) = t t
k
, t
k
t < t
k+1
.
(4.3.34)
Une dierence importante avec avec les resultats du Chapitre 3 apparat. Du fait que le retard variable
considere dans le syst`eme (4.3.34) est du `a lechantillonnage de la commande, la condition initiale est simplement
denie `a t = 0 et pas sur un intervalle de la forme [
2
, 0]. En eet, lapproche par retard variable permet de
considerer la condition initiale suivante :
(0) = x(0), (s) = 0, s [
2
, 0). (4.3.35)
Comme le retard vient de lechantillonnage de la commande, cette condition peut simplement sinterpreter
par le fait que le syst`eme nest soumis `a aucune commande avant linstant initial t = 0. Dautre part, on notera
k
i
, la i
i` eme
ligne de K, ce qui permet de denir lespace L(K, u) :
L(K, u) = x R
n
: [k
i
x[ u
i
, i = 1, ..., m.
Ainsi, si la commande est telle que x est `a valeurs dans L(K, u), le syst`eme (4.3.34) nest soumis `a aucune
saturation et admet une representation lineaire. En suivant les resultats decrits dans [16], on introduit lensemble
des matrices diagonales de R
mm
telles que les elements de la diagonale soient 0 ou 1. contient 2
m
elements
distincts D
i
. On notera alors D

i
la matrice de denie par I
m
D
i
. En utilisant les lemmes 3.6.1 et 3.6.2
presentes dans le Chapitre 3, pour des gains matriciels K et H de R
mn
, et pour tout x R
n
satisfaisant `a
[h
i
x[ u
i
, i = 1, ..., 2
m
, le syst`eme (4.3.34) admet la representation suivante :
x(t) = Ax(t) +
2
m

j=1

j
(t)A
j
x(t (t))
o` u
A
j
= B(D
j
K +D

j
H) j = 1, ..., 2
m
,
2
m

j=1

j
(t) = 1, 0
j
(t), 0 < t,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
110 Chapitre 4. Syst`emes `a entree echantillonnee
On denit alors lensemble de matrices

=
2
m

j=1

j
(t)
j
o` u 0
j
(t) 1,
2
m

j=1

j
(t) = 1 (4.3.36)
o` u les elements de

sont decrit par


j
= [A
j
], j = 1, ..., 2
m
. Le probl`eme devient donc celui de determiner
lensemble A

et la matrice H, telle que [


i
x[ u
i
, i = 1, ...2
m
pour tout x A

et telle que letat du syst`eme


decrit par :
x(t) = Ax(t) +A
j
x(t(t)), (t) = t t
k
, t
k
t < t
k+1
, (4.3.37)
appartienne et reste dans A

.
Stabilisation locale
Dans ces conditions, il est possible de se ramener au probl`eme de stabilisation dun syst`eme represente par
un mod`ele polytopique avec un retard pur variable. En utilisant la modelisation descripteur et la fonctionnelle
de Lyapunov-Krasovskii (4.3.9), on obtient le theor`eme suivant :
Theor`eme 4.3.7 [53] Soit le syst`eme (4.3.2) dont la commande est echantillonnee (4.3.3) et sujette `a des
saturations. Ce syst`eme est stabilisable avec A

`a linterieur du domaine dattraction pour tout echantillonnage


non necessairement uniforme de periode maximale inferieure `a
2
, sil existe une matrice, de dimension n n,
symetrique denie positive 0 < Q
1
, des matrices de dimension nn, Q
(j)
2
, Q
(j)
3
, Z
(j)
1
, Z
(j)
2
, et Z
(j)
3
, des matrices
de dimension mn, Y et G et un reel positif tels les conditions LMI suivantes soient satisfaites :
_

_
Q
(j)
2
+Q
T(j)
2
+
2
Z
(j)
1

j

2
Q
(j)
2
Q
(j)
3
Q
T(j)
3
+
2
Z
(j)
3

2
Q
(j)
3

2
Q
1
_

_
< 0,
j = 1, ..., 2
m
(4.3.38)
_

_
Q
1
0 (Y
T
D
j
+G
T
D

j
)B
T
Z
(j)
1
Z
(j)
2
Z
(j)
3
_

_
0, (4.3.39)
_
g
i
u
2
i
Q
1
_
0, i = 1, ..., m, (4.3.40)
o` u

j
= Q
(j)
3
Q
T(j)
2
+Q
1
A
T
+ (Y
T
D
j
+G
T
D

j
)B
T
+
2
Z
(j)
2
. (4.3.41)
Le gain K du retour detat qui stabilise le syst`eme est donne par K = Y Q
1
1
.
Demonstration. Considerons la fonctionnelle de Lyapunov-Krasovskii V donnee par (4.3.9), les conditions
(4.3.38-4.3.39) ont ete determinee dans le Corollaire 4.3.2 pour assurer la negativite de la derivee

V pour tout
x(t) A

. Ensuite dapr`es [52], les inegalites (4.3.40) garantissent que [


i
x[ u
i
, x A

, i = 1, ..., m, o` u

= g
i
Q
1
1
, i = 1, ..., m, Q
1

= P
1
1
et o` u g
i
est la i
i` eme
ligne de la matrice G, et la representation polytopique
du syst`eme (4.3.37) est par consequent validee.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
4.4. CONCLUSION 111
Sachant que

V < 0, il sen suit que V (t) < V (0) et, par consequent, pour des conditions initiales de la forme
(4.3.35), on a :
x
T
(t)P
1
x(t) V (t) < V (0) = x
T
(0)P
1
x(0)
1
. (4.3.42)
Ainsi pour toute conditions initiales x(0) A

, les trajectoires de x(t) reste dans A

, et la representation
polytopique du syst`eme (4.3.37) reste valide. x(t) est nalement une trajectoire du syst`eme (4.3.37) et

V < 0
pour toute solution x(t), ce qui implique lim
t
x(t) = 0.
Exemple
Considerons le syst`eme (4.3.34) o` u les valeurs des matrices ([16], avec
2
,= 0) sont :
A =
_
1.1 0.6
0.5 1
_
, B
1
=
_
1
1
_
(4.3.43)
et o` u u = 5. Le Theor`eme 4.3.7 permet dobtenir un gain K stabilisant le syst`eme pour tout echantillonnage de
non necessairement uniforme et de periode maximale
2
= 0.75. An daugmenter le volume deni par A

, on a
impose une optimisation LMI pour minimiser le reel (an dameliorer le resultat, la condition supplementaire
Q
1
> I
n
avec > 0 choisi pour elargir lellipse A

). La Figure 4.5 illustre le fait que le volume de lellipse


augmente lorsque
2
diminue.
15 10 5 0 5 10 15
40
30
20
10
0
10
20
30
40
X1
X
2
0rigine
h=0.1
h=0.75
Fig. 4.5 Borne elliptique du domaine dattraction
Pour
2
= 0.75, le Theor`eme 4.3.7 garantit que le syst`eme (4.3.34) est stable avec le gain K = [1.6964 0.5231]
( et avec = 0.325, = 0.1261, P
1
=
_
0.9132 0.2816
0.2816 0.0868
_
et = 1). La Figure 4.6 montre que lorsque la condi-
tion initiale est proche du contour mais `a linterieur de lellipse (pour le cas dun echantillonnage `a periode
constante t
k+1
t
k
= 0.75), la solution x(t) ne quitte jamais lensemble et converge asymptotiquement vers 0.
Dautre part, lorsque que la condition est `a lexterieur de lensemble A

, la solution x(t) diverge.


4.4 Conclusion
Dans ce chapitre, nous avons presente plusieurs approches permettant de caracteriser le probl`eme de la
stabilisation de syst`eme `a entree echantillonnee. Une premi`ere approche qui sapparente `a une etude en temps
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
112 Chapitre 4. Syst`emes `a entree echantillonnee
15 10 5 0 5 10
40
30
20
10
0
10
20
30
40
X1
X
2
h=0.75
0rigine
Inside the ellipsoide
Outside the ellipsoide
Fig. 4.6 Simulation pour
2
= 0.75
discret a ete presentee. Il a ete montre que cette etude est limitee dans son application. En eet elle necessite une
connaissance parfaite du mod`ele et de la periode dechantillonnage. Cependant en pratique, cette connaissance
nest pas toujours possible. Une deuxi`eme approche qui consiste `a decrire leet dun echantillonnage comme
un retard variable a permis dinclure le cas des echantillonnages `a periode non constante. Elle permet, par la
suite, dappliquer certains theor`emes concernant la stabilisation des syst`emes `a retards notamment detudier
la robustesse, les performances (grace `a la stabilite exponentielle), ou encore au cas des syst`emes `a entree
saturee. Finalement, ce chapitre constitue une avancee dans le domaine applicatif puisquil permet de garantir
des conditions de stabilite et de robustesse pour des syst`emes reels. Le chapitre suivant montre que ces resultats
sont utilisables dans le cadre dexperimentation reelle.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Chapitre 5
Observation des syst`emes `a retards
5.1 Introduction
Lobservation est un th`eme majeur de letude des syst`emes lineaires et non lineaires. Il trouve sa justica-
tion dans le probl`eme du controle. En eet, dans la litterature, le controle dun syst`eme necessite souvent la
connaissance de letat complet dun syst`eme alors quen pratique la mesure de lensemble des variables est dif-
cile. Ces limites proviennent de considerations technologiques, lorsquil est impossible de mesurer une donnee,
economiques, lorsque la precision de la mesure dun capteur est necessaire, le prix devient souvent eleve, ou pra-
tiques ,sensibilite au bruit, etc.... De mani`ere generale, on ne dispose que dune partie de letat, que lon appelle
la sortie. On confondra ici sorties mesurees et variables `a commander. Il est souvent dicile de commander un
syst`eme en utilisant seulement les sorties mesurables dun syst`eme. De plus, il est legitime de penser que plus
on dispose dinformation sur letat dun syst`eme, plus la construction dune loi de commande sera aisee. Le
probl`eme de lobservation consiste `a construire une estimation de letat qui sera utilisee par le controleur pour
calculer la nouvelle commande.
Comme il a ete enonce auparavant, en pratique tr`es peu de syst`emes sont soumis `a des retards constants.
Cest pourquoi ce chapitre sera consacre `a lobservation de syst`emes lineaires `a retards variables. Une premi`ere
partie presentera le probl`eme de lobservation de syst`emes `a retards variables et connus sur letat, lentree et ou
la sortie. La seconde partie presentera une etude de lobservation des syst`emes `a retards inconnus basee sur les
techniques de construction des observateurs `a modes glissants. Plusieurs auteurs ont dej`a aborde lobservation
des syst`emes `a retards (voir les synth`eses de [127, 129]) mais, le plus souvent, lecriture de lobservateur fait
intervenir la valeur du retard. En dautres termes, la connaissance ou la mesure du retard est requise. En outre,
les observateurs sans retard interne [26, 27, 40, 155] necessitent la connaissance de la sortie du syst`eme aux
temps courants et aussi retardes du meme temps que les termes retardes dans lequation de la dynamique.
Neanmoins, dans le cadre dapplications reelles (commande tele-operee, syst`emes en reseau par exemple), les
hypoth`eses dinvariance ou de connaissance du retard sont peu realistes et proviennent des limites des techniques
didentication et danalyse disponibles. Seuls quelques articles presentent des resultats qui ne necessitent pas
la connaissance du retard [1, 21, 29, 43, 60, 150]. Ces approches interessantes concernent les syst`emes lineaires
et garantissent des performances de type H

pour le ltrage des erreurs.


113
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
114 Chapitre 5. Observation des syst`emes `a retards
5.2 Observation de syst`emes `a retards connus
5.2.1 Presentation du probl`eme
Dans le cadre de la synth`ese dobservateur pour syst`eme `a retard, on retrouve beaucoup de travaux consacres
aux syst`emes `a retards connus, aussi bien constants que variables [11], [12]. Nous proposons ici des techniques de
construction dobservateurs de Luenberger [100] pour des syst`emes `a retards variables et connus. Les matrices
denissant les dynamiques du syst`eme etudie sont supposees connues.
5.2.2 Retard connu sur letat et la sortie
Soit le syst`eme lineaire `a retards sur letat et la sortie :
x(t) = Ax(t) +A

x(t
1
(t)),
y(t) = Cx(t) +C

x(t
2
(t)),
(t) = x(), [ , 0],
o` u x R
n
represente letat du syst`eme, y R
p
est la sortie (quon suppose etre egale `a la mesure). Les matrices
A R
nn
, A

R
nn
et C, C

R
pn
sont des matrices reelles supposees connues. Nous supposerons que
la paire (A, C) est observable. On note = max
i=1,2
(
2i
). Les retards sont supposes bornes et verient les
conditions suivantes :

i
(t) [
1i
,
2i
], et t,
i
(t) =
i
+
i
(t)], [
i
(t)[
i
. (5.2.1)
Nous supposons ici que les retards
1
, sur letat, et
2
, sur la sortie, sont connus au niveau de lobservateur.
On denit alors lobservateur de Luenberger adapte au cas des syst`emes `a retards sur la sortie :
_

x(t) = A x(t) +A

x(t
1
(t)) L(y(t
2
(t)) y(t
2
(t))),
y(t) = C x(t) +C

x(t
2
(t)).
On denit alors lerreur dobservation e(t) = x x(t). La dynamique de cette erreur est alors regie par
lequation dierentielle `a retard :
e(t) = (A+LC)e(t) +A

e(t
1
(t)) LCe(t
2
(t)), (5.2.2)
Lobjectif sera nalement de garantir la stabilite exponentielle avec un taux de convergence garanti du
syst`eme (5.2.2) vers la solution e(t) = 0 pour deduire la convergence des variables de lobservateur vers letat
du syst`eme.
Theor`eme 5.2.1 Si, pour deux reels positifs et , il existe des matrices de dimension n n 0 < P
1
, P, S
i
,
Y
i1
, Y
i2
, Z
i1
, Z
i2
, Z
i3
, R
i
, R
ia
pour i = 1, 2 et une matrice W de dimension nq telles que les conditions LMI
suivantes soient satisfaites pour i, j = 1, 2 :
_

_
_

1
11

1
12

1
22
_ _

1i
A

Y
11

1i
A

Y
12
_ _

2j
WC Y
21

2j
WC Y
22
_

1
_

1i
A

1i
A

_

2
_

2j
WC

2j
WC
_
S
1
0 0 0
S
2
0 0

1
R
1a
0

2
R
2a
_

_
< 0, (5.2.3)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.3. OBSERVATION DE SYST
`
EMES
`
A RETARDS INCONNUS 115
_

_
R
i
Y
i1
Y
i2
Z
i1
Z
i2
Z
i3
_

_
0 i = 1, 2, (5.2.4)
o` u
i1
= e
(
i

i
)
,
i2
= e
(
i
+
i
)
et :

1
11
= P
T
(A+I
n
) + (A+I
n
)
T
P +WC +C
T
W
T
+S +
1
Z
11
+
2
Z
21
+Y
11
+Y
T
11
+Y
21
+Y
T
21
,

1
12
= P
1
P
T
+(A+I
n
)
T
P +C
T
W
T
+
1

Z
12
+
2

Z
22
+

Y
21
+

Y
22
,

1
22
= (P +P
T
) +
1

Z
13
+
2

Z
23
+ 2
1
R
1a
+ 2
2
R
2a
.
Alors, le gain
L = (P
T
)
1
W,
rend lerreur (5.2.2) -stable et converge exponentiellement vers la solution e(t) = 0 pour tout retards satisfaisant
(5.2.1).
Demonstration. La preuve de ce theor`eme utilise les conditions dstabilite issues du Theor`eme 2.4.1 qui
prend en compte des retards bornees. Les conditions (5.2.3) et (5.2.4) viennent dune adaptation du Theor`eme
2.4.1 au cas de deux retards.
On denit par ailleurs la condition liante P = P
2
= P
3
et aussi W = P
T
L.
Remarque 5.2.2 La synth`ese dobservateurs de syst`emes `a retards sur la sortie ou bien letat sont des cas
particuliers dapplication du Theor`eme 5.2.1.
5.2.3 Conclusion
Le type dobservateurs que nous avons propose dans cette partie sav`ere tr`es performant au sens de la
convergence exponentielle pour obtenir une attenuation importante et rapide des erreurs destimation dans le
cas des syst`emes `a retards variables connus. Il est possible detendre ces resultats au cas des observateurs H

pour permettre dattenuer des perturbations exog`enes.


5.3 Observation de syst`emes `a retards inconnus
5.3.1 Introduction
Cette partie concerne plus speciquement lobservation de syst`emes lineaires `a retards inconnus. Cependant
toutes presentent les memes limites, `a savoir que le retard nintervient que dans letat et pas dans lentree ou la
sortie et que les resultats proposes sont independants des caracteristiques du retard. Il semble donc pertinent
de reduire le conservatisme inherent aux approches independantes du retard en proposant un resultat qui
prenne en compte des bornes de variation du retard.
Dans un soucis de simplicite de lexpose, nous supposerons que le retard inconnu (t) sur letat et sur
lentree du syst`eme sont egaux. Par ailleurs nous supposerons quil ny a pas de retard sur la sortie et que le
seule connaissance sur (t) est la valeur dune borne maximale
2
telle que :
0 (t)
2
, t IR
+
. (5.3.1)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
116 Chapitre 5. Observation des syst`emes `a retards
Considerons donc le syst`eme `a retard variable sur letat et la commande suivant :
_

_
x(t) = Ax(t) +A

x(t (t)) +Bu(t) +B

u(t (t)) +D(t)


y(t) = Cx(t)
x(s) = (s), s [
2
, 0]
(5.3.2)
o` u x IR
n
, u IR
m
, y IR
p
and IR
q
sont respectivement le vecteur detat, de commande, de sortie et de
perturbation variable et inconnue. Nous supposerons que la commande est une fonction (
1
morceaux, et que le
signal de perturbation verie la condition de domination :
|(t, x, u)|
1
(t, x, u), (5.3.3)
o` u
1
est une fonction scalaire positive et connue. C
0
([
2
, 0], IR
n
) represente les conditions initiales du
syst`eme.
5.3.2 Observateurs `a modes glissants
Lobjectif est, ici, de determiner un observateur detat qui garantisse la robustesse de lestimation par rapport
au retard inconnu et `a la perturbation . Dans ce but, nous faisons appel `a la theorie des observateurs `a entree
inconnue et des modes glissants.
Le principe de lobservateur `a entree inconnue consiste `a concevoir un observateur tel que lerreur dobser-
vation soit decouplee compl`etement de lentree inconnue du syst`eme [28, 38, 42, 75, 128]. Lidee du controle
par modes glissants et de contraindre les trajectoires du syst`eme dentrer et de rester apr`es un temps ni dans
un espace restreint appele surface de glissement par le biais dune action discontinue [146]. Le comportement
resultant appele modes glissants est alors soumis `a des dynamiques particuli`eres totalement imposees par les
param`etres et lequation qui determine la surface de glissement. Le principal avantage dune telle strategie est
la reduction de la dimension du probl`eme. En eet, letude se reduit, dans le cas de lobservation, `a lespace
complementaire aux sorties du syst`eme. De plus il garantit des proprietes de robustesse par rapport `a une classe
de perturbations et dincertitudes sur les param`etres qui satisfont `a la condition de recouvrement (en anglais
matching) [33]. Ce concept a ete etendu au cas de lestimation de letat par un observateur pour des syst`emes
lineaires ou non [31, 32, 45, 37].
Plusieurs approches sont proposees dans la suite de ce chapitre. La premi`ere permet de construire un obser-
vateur independant des caracteristiques des retards. La seconde approche denit un premier observateur dont
la convergence asymptotique et exponentielle vers le syst`eme etudie sexprime sous forme de conditions LMI o` u
apparaissent des caracteristiques du retard. La troisi`eme presente des conditions LMI garantissant la conver-
gence asymptotique et exponentielle de lobservateur en determinant un retour de sortie dans la dynamique de
lobservateur. Ces trois premi`eres approches necessitent que le syst`eme verie des conditions structurelles.
Observateur independant du retard
Cette approche est une premi`ere etape dans la realisation dobservateur pour des syst`emes `a retards inconnus.
Il necessite que le syst`eme etudie verie certaines conditions structurelles qui rendent le resultat restrictif.
Nous allons considerer que les termes retardes de (5.3.2) sont des perturbations que lobservateur `a modes
glissant doit controler. Pour cela il faut verier les conditions de recouvrement, cest-`a-dire que ces perturbations
appartiennent `a lespace vectoriel deni par les sorties. An de montrer lecacite des observateurs `a modes
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.3. OBSERVATION DE SYST
`
EMES
`
A RETARDS INCONNUS 117
glissants au cas des syst`emes `a retards inconnus, nous allons utiliser la forme canonique introduite dans [38].
Lerreur est reinjectee `a la fois de mani`ere continue et discontinue. Les hypoth`eses structurelles suivantes sont
requises :
A1. rang(C[A

[B

[D]) =rang([A

[B

[D]) = q,
A2. q p n,
A3. Le triplet A, [A

[B

[D], C est `a minimum de phase.


Avec les hypoth`eses A1-A3 et en utilisant le meme changement de coordonnees que dans [38] (Chapitre 6),
le syst`eme secrit sous la forme :
_

_
x
1
(t) = A
11
x
1
(t) +A
12
y(t) +B
1
u(t),
y(t) = A
21
x
1
(t) +A
22
y(t) +B
2
u(t) +G
x
1
x
1
(t (t)) +G
y
y(t (t))
+G
u
u(t (t)) +D
1
(t),
(5.3.4)
o` u x
1
IR
np
, y IR
p
et o` u la matrice A
11
est de Hurwitz. Nous retrouvons ici le fait que les conditions
A1 A2 garantissent que letat non mesure x
1
nest pas aecte par les termes retardes. La condition A3 est
une garantie de convergence supplementaire. Elle requiert que, dans le syst`eme (5.3.4), la matrice A
11
soit de
Hurwitz.
Sous cette forme il est possible de construire un observateur `a modes glissants. Il se presente alors de la
mani`ere suivante :
_

x
1
(t) = A
11
x
1
(t) +A
12
y(t) +B
1
u(t),

y(t) = A
21
x
1
(t) +A
22
y(t) +B
2
u(t) +G
x
1
x
1
(t ) +G
y
y(t )
+G
u
u(t ) H (y(t) y(t)) +,
(5.3.5)
o` u le gain lineaire H est une matrice de Hurwitz et o` u correspond `a la fonction discontinue qui reste `a denir.
Le retard qui est implante dans lobservateur
2
est une valeur qui peut etre choisie selon les caracteristiques
du retard. Par exemple, peut prendre la valeur moyenne du retard reel ou etre une fonction variant dans le
temps. En denissant les erreurs destimation de lobservateur e
y
= y(t) y(t) et e
1
= x
1
(t) x
1
(t), les
dynamiques des erreurs sont alors regies par les equations :
_
e
1
(t) = A
11
e
1
(t),
e
y
(t) = A
21
e
1
(t) +He
y
(t) + +(t) +D
1
(t),
(5.3.6)
o` u la perturbation

: IR IR
p
est denie par :
(t) = G
x
1
(x
1
(t (t)) x
1
(t )) +G
y
(y(t (t)) y(t ))
+G
u
(u(t (t)) u(t )).
(5.3.7)
Dans cette partie, la fonction (t) est supposee bornee par une fonction scalaire connue
2
:
|(t)|
2
(t, y, u).
Sachant que le matrice H est de Hurwitz, Il existe une matrice P
y
IR
pp
, denie positive , telle que :
P
y
H +H
T
P
y
< 0.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
118 Chapitre 5. Observation des syst`emes `a retards
La fonction, , discontinue et dependant de la sortie est maintenant denie par :
=
_
(t, y, u)
P
y
e
y
(t)
P
y
e
y
(t)
si e
y
,= 0,
0 sinon,
o` u le gain est donnee par :
= |D
1
|
1
(t, y, u) +
2
(t, y, u) +, > 0.
Dapr`es la Proposition 6.1 de [38], on montre, en utilisant des arguments de stabilite de type Lyapunov, que
la surface de glissement est atteinte en temps ni et que lerreur sur letat complet est quadratiquement stable.
Cette proposition assure donc la stabilite asymptotique de lobservateur (5.3.5) meme si le retard est inconnu.
Remarque 5.3.1 Dans [141], une formulation sous forme de LMI a ete introduite pour exploiter les degres de
liberte additionnels dans le choix des gains lineaires et de la fonction discontinue .
Meme si cette premi`ere approche introduit le concept dobservateur `a modes glissants pour les syst`emes
`a retards inconnus, il nen reste pas moins que plusieurs probl`emes peuvent apparatre. Premi`erement, on
remarque que le retard estime, , introduit dans la dynamique de lobservateur, napparat pas dans la condition
de stabilite. Cela signie que cette condition doit etre veriee quelque soit la forme et la valeur du retard, ce qui
pregure dun resultat probablement conservatif (cf [111]). Ensuite, la fonction de perturbation , denie par
les equations (5.3.6)-(5.3.7), peut prendre des valeurs importantes, dautant plus que la fonction
2
(t, y, u) peut
simplement ne pas exister ou etre dicile `a evaluer dans la mesure o` u lon ne dispose pas doutils theoriques
pour la determiner.
Cette premi`ere approche est donc limitee. Cependant, elle a permis de se familiariser avec le concept dob-
servateur `a modes glissants. Lidee principale de lobservation `a modes glissants est de considerer les termes
retardes comme des perturbations. Cependant avec cette methode, nous nous contentons simplement de dire
que les termes que nous ne connaissons pas sont des perturbations, ce qui, comme nous lavons dej`a mentionne,
conduit `a des resultats conservatifs. Il serait donc plus pertinent de reduire ce conservatisme en diminuant la
taille des perturbations liees au retard inconnu et de faire intervenir des conditions de stabilite faisant intervenir
des caracteristiques de celui-ci.
Observateur dependant du retard
Dans les prochains paragraphes, nous considerons toujours le meme syst`eme (5.3.4) et le meme observateur
(5.3.5) lui est associe. Mais, an de reduire le conservatisme des conditions de stabilite, une nouvelle fonction
discontinue est introduite. Pour cela une nouvelle fonction de perturbation

, qui remplace dans (5.3.7),


est denie. Cette fonction est choisie de telle sorte quelle depende uniquement des variables connues au niveau
de lobservateur. Ainsi la fonction
2
qui majore la perturbation est remplacee par une nouvelle fonction

2
,
qui est plus simple `a mettre en oeuvre. De plus ce second observateur fait apparatre la valeur
2
du retard, ce
qui reduit le conservatisme des conditions de stabilite.
La dynamique de lerreur peut alors etre sensiblement modiee de la mani`ere suivante :
_

_
e
1
(t) = A
11
e
1
(t),
e
y
(t) = A
21
e
1
(t) +G
x
1
e
1
(t (t)) +G
y
e
y
(t (t))
+He
y
(t) + +

(t) +D
1
(t),
(5.3.8)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.3. OBSERVATION DE SYST
`
EMES
`
A RETARDS INCONNUS 119
o` u la perturbation

: IR IR
p
est alors denie par :

(t) = G
x
1
( x
1
(t (t)) x
1
(t )) +G
y
( y(t (t)) y(t ))
+G
u
(u(t (t)) u(t )),
et qui peut aussi secrire :

(t) =
_
G
x
1
G
y
G
u
_
_
t(t)
t
_

x
1
(s)

y(s)
u(s)
_

_
ds. (5.3.9)
On suppose que

est bornee par une fonction scalaire

2
:
|

(t)|

2
(t, y, x
1
, u). (5.3.10)
Remarque 5.3.2 Compare `a (5.3.7), la seule variable inconnue est le retard qui agit sur (5.3.9) est le retard
(t). Il est donc plus facile dobtenir une borne

de la perturbation

.
Remarque 5.3.3 On remarque, dautre part, que plus lestimation du retard est proche de (t), plus la valeur
de la fonction

2
sera petite. Cela vient de lequation (5.3.9) o` u lon remarque que si = (t) alors

= 0. En
dautres termes, plus lestimation du retard est juste, plus le gain de lobservateur est reduit.
La fonction discontinue de reinjection des sorties est maintenant donnee par :
=
_

(t, y, u)
P
y
e
y
(t)
P
y
e
y
(t)
si e
y
,= 0,
0 sinon,
(5.3.11)
o` u le gain discontinu

de lobservateur `a modes glissants, inspire de celui deni dans la loi de controle de


[51], est donne par :

(t, y, u) = |D
1
|
1
(t, x, u) +

2
(t, x
1
, y, u) +|G
y
| sup
s[
2
,0]
|e
y
(t +s)| +

, (5.3.12)
o` u

est un reel positif.


Theor`eme 5.3.4 Sous reserve que les conditions A1-A3 et (5.3.10) soient satisfaites, la solution e(t) = 0
du syst`eme (5.3.8) est asymptotiquement stable pour tout retard variable (t)
2
sil existe des matrices
symetriques denies positives P
1
et R
1
IR
(np)(np)
, P
y
IR
pp
et une matrice symetrique Z
2
IR
pp
telles que les conditions LMI suivantes soient veriees :

0
=
_
A
T
11
P
1
+P
1
A
11
+
2
A
T
11
R
1
A
11
(A
21
+G
x
1
)
T
P
y
P
y
(A
21
+G
x
1
) H
T
P
y
+P
y
H +
2
Z
2
_
< 0, (5.3.13)
et
_
R
1
G
T
x
1
P
y
P
y
G
x
1
Z
2
_
0. (5.3.14)
Demonstration. Considerons la fonctionnelle de Lyapunov-Krasovskii suivante :
V (t) = e
T
1
(t)P
1
e
1
(t) +e
T
y
(t)P
y
e
y
(t) +
_
0

2
_
t
t+
e
T
1
(s)R
1
e
1
(s)dsd. (5.3.15)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
120 Chapitre 5. Observation des syst`emes `a retards
On peut alors utiliser la formule de Leibniz (5.3.16), ce qui permet decrire :
e
1
(t (t)) = e
1
(t)
_
t
t(t)
e
1
(s)ds. (5.3.16)
Ainsi, par derivation de (5.3.15) le long des trajectoires de (5.3.8), on obtient :

V (t) = e
T
1
(t)[A
11
T
P
1
+P
1
A
11
]e
1
(t) +e
T
y
(t)[H
T
P
y
+P
y
H]e
y
(t) + 2e
T
y
(t)P
y
(A
21
+G
x
1
)e
1
(t)
+
1
(t) +
2
(t) +
2
e
T
1
(t)R
1
e
1
(t)
_
t
t
2
e
T
1
(s)R
1
e
1
(s)ds 2

(t, y, u)|P
y
e
y
(t)|,
o` u

1
(t) = 2e
T
y
(t)P
y
G
x
1
_
t
t(t)
e
1
(s)ds,

2
(t) = 2e
T
y
(t)P
y
[D
1
(t) +

(t) +G
y
e
y
(t (t))] .
La condition LMI (5.3.14) permet decrire, pour tout vecteur X :
X
T
_
R
1
G
T
x
1
P
y
P
y
G
x
1
Z
2
_
X 0.
En developpant cette relation avec X =
_
e
1
(s)
e
y
(t)
_
, on obtient :
2e
y
(t)P
y
G
x
1
e
1
(s) e
y
(t)
T
Z
2
e
y
(t) + e
T
1
(s)R
1
e
1
(s).
Ce qui, en integrant donne :

1
(t)
_
t
t(t)
e
T
y
(t)Z
2
e
y
(t)ds +
_
t
t(t)
e
T
1
(s)R
1
e
1
(s)ds,

1
(t)
2
e
T
y
(t)Z
2
e
y
(t) +
_
t
t
2
e
T
1
(s)R
1
e
1
(s)ds.
(5.3.17)
Sachant que

et sont des fonctions bornees par

2
et
1
, on a :

2
(t) 2|P
y
e
y
(t)| (|D
1
|
1
(t, x, u) +

(t, x
1
, y, u) +|G
y
| |e
y
(t (t))|) ,
et la denition (5.3.12) de

conduit nalement `a la majoration :

2
(t) 2

(t, y, u)|P
y
e
y
(t)| 2

|P
y
e
y
(t)|. (5.3.18)
En prenant en compte (5.3.17), (5.3.18) et en sachant que e
1
(t) = A
11
e
1
(t), on obtient :

V (t) e
T
1
(t)[A
11
T
P
1
+P
1
A
11
]e
1
(t) +e
T
y
(t)[H
T
P
y
+P
y
H]e
y
(t) + 2e
T
y
(t)P
y
(A
21
+G
x
1
)e
1
(t)
+
2
e
T
1
(t)A
T
11
R
1
A
11
e
1
(t) +
2
e
T
y
(t)Z
2
e
y
(t) 2

|P
y
e
y
(t)|,
qui secrit aussi :

V (t)
_
e
1
(t)
e
y
(t)
_
T

0
_
e
1
(t)
e
y
(t)
_
2

|P
y
e
y
(t)|.
Si (5.3.13) est veriee, la derivee temporelle de (5.3.15) est denie negative. La dynamique de lerreur est
donc asymptotiquement stable.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.3. OBSERVATION DE SYST
`
EMES
`
A RETARDS INCONNUS 121
Convergence en temps ni vers la surface de glissement
Corollaire 5.3.5 En supposant que lobservateur verie le Theor`eme 5.3.4, le syst`eme entre en regime glissant
sur la surface S
0
= e
y
= 0 en temps ni.
Demonstration. On consid`ere la fonction :
V
2
(t) = e
T
y
(t)P
y
e
y
(t).
La dierenciation de V
2
le long des trajectoires de (5.3.8) conduit `a :

V
2
(t) = e
T
y
(t)(H
T
P
y
+P
y
H)e
y
(t) + 2e
T
y
(t)P
y
A
21
e
1
(t)
+2e
T
y
(t)P
y
[G
x
1
e
1
(t (t)) +G
y
e
y
(t (t)) +D
1
(t) +

(t) +] .
Sachant que H est une matrice de Hurwitz qui verie (5.3.13), on sait que la matrice H
T
P
y
+P
y
H est denie
negaitive et (5.3.11),on peut ecrire la majoration suivante :

V
2
(t) 2|P
y
e
y
(t)| [|A
21
e
1
(t) +G
x
1
e
1
(t (t))|

] .
Dapr`es le Theor`eme 5.3.4, lerreur e
1
est asymptotiquement stable. Il existe donc un instant t
0
et un reel
positif tels que :
t t
0
, |A
21
e
1
(t) +G
x
1
e
1
(t (t))|

,
ce qui conduit `a :
t t
0
,

V
2
(t) 2|P
y
e
y
(t)| 2
_

min
(P
y
)
_
V
2
(t).
o` u
min
(P
y
) est la plus petite valeur propre de P
y
. En integrant cette derni`ere inegalite dierentielle, on constate
que le syst`eme entre en regime glissant sur la surface S
0
en temps ni.
5.3.3 Retour de sortie sur la partie non-mesurable
Presentation du Probl`eme
Pour la synth`ese de lobservateur precedent, les conditions de recouvrement A ont permis de transformer
le syst`eme initial (5.3.2) pour lexprimer sous la forme (5.3.4). Une condition necessaire de la convergence
de lobservateur vers le syst`eme reel est que la matrice A
11
soit de Hurwitz. Il est possible de reduire cette
condition restrictive en modiant les conditions de recouvrements A. Lidee de cette nouvelle approche est de
faire intervenir la sortie y par lintermediaire de la fonction discontinue dans la dynamique des variables x
1
,
complementaires aux sorties. Nous allons donc considerer le syst`eme `a retard sur letat et sur lentree (5.3.2).
Les nouvelles hypoth`eses structurelles requises pour la synth`ese de lobservateur sont les suivantes :
A1. rank(C[A

[B

[D]) =rank([A

[B

[D]) q,
A2. q < p n,
A3. Le triplet (A, [A

[B

[D], C) na pas de zeros invariants.


La condition A1 garantit quen utilisant le meme changement de coordonnees que dans [38] (Chapitre 6 et
presente en annexe D) le syst`eme (5.3.2) est equivalent `a :
_

_
x
1
(t) = A
11
x
1
(t) +A
12
x
2
(t) +B
1
u(t),
x
2
(t) = A
21
x
1
(t) +A
22
x
2
(t) +B
2
u(t) +G
1
x
1
(t (t))
+G
2
x
2
(t (t)) +G
u
u(t (t)) +D
1
(t),
y(t) = Tx
2
(t),
(5.3.19)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
122 Chapitre 5. Observation des syst`emes `a retards
o` u x
1
IR
np
, x
2
IR
p
et o` u G
1
, G
2
, G
u
sont de la forme :
G
1
=
_
0

G
1
_
, G
2
=
_
0

G
2
_
, G
u
=
_
0

G
u
_
, A
21
=
_
A
211
A
212
_
, D
1
=
_
0

D
1
_
,
o` u

G
1
IR
q(np)
,

G
2
IR
qp
,

G
u
IR
pm
, A
211
IR
(pq)(np)
, A
212
IR
q(np)
et T est une matrice
orthogonale.
Les conditions A

permettent de decomposer le syst`eme en deux sous-parties. La premi`ere, representant les


variables non mesurables x
1
, nest pas aectee par les termes retardes et les perturbations. La seconde correspond
aux variables mesurables par la sortie y. Dans lapproche precedente, les conditions structurelles etaient A

1,
A

2 et A, [A

[B

], C est `a minimum de phase. Cette derni`ere est remplacee par A3, moins exigeante.
Synth`ese de lobservateur
Lobservateur `a mode glissant propose est :
_

x
1
(t) = A
11
x
1
(t) +A
12
x
2
(t) +B
1
u(t) A
11
Le
2
(t) +LT
T
(G
l
Te
2
(t) +(t)) ,

x
2
(t) = A
21
x
1
(t) +A
22
x
2
(t) +B
2
u(t) +A
21
Le
2
(t) +G
1
x
1
(t ) +G
2
x
2
(t )
+G
u
u(t ) T
T
(G
l
(Te
2
(t) y(t)) +) +G
1
Le
2
(t ),
y(t) = T x
2
(t),
(5.3.20)
o` u le gain lineaire G
l
est une matrice de Hurwitz, L est de la forme [

L 0 ], avec

L IR
(np)(pq)
. On
remarque dans un premier temps que la matrice L est orthogonale aux matrices G
1
, G
2
, G
u
et D
1
. Le retard
utilise dans (5.3.20),
2
, est une valeur qui peut-etre choisie arbitrairement ou, si possible, en fonction de
caracteristiques pressenties du retard. Il se peut aussi que ce retard soit variable au cours du temps. Par
exemple, pourrait correspondre `a une estimation nominale du retard variant. On remarque que les termes
non retardes qui dependent de x
2
sont connus car ils sont proportionnels `a la sortie y. La fonction discontinue
est de la forme :
=
_
(t, y, u)
P
y
e
y
(t)
P
y
e
y
(t)
si e
y
,= 0,
0 sinon.
Le gain reste `a denir. On peut alors introduire les variables derreur e
y
= y(t) y(t), e
1
= x
1
(t) x
1
(t)
et e
2
= x
2
(t) x
2
(t), qui verient :
_

_
e
1
(t) = A
11
e
1
(t) L
_
T
T
G
l
Te
2
(t) +T
T
(t)
_
+A
11
Le
2
(t),
e
2
(t) = A
21
e
1
(t) +G
1
e
1
(t (t)) +D
1
(t) + (T
T
G
l
T +A
21
L)e
2
(t)
+
0
(t) G
1
Le
2
(t ) +T
T
,
o` u la fonction de perturbation
0
: IR IR
q
est alors egale `a :

0
(t) = G
1
( x
1
(t (t)) x
1
(t )) +G
2
(x
2
(t (t)) x
2
(t ))
+G
u
(u(t (t)) u(t )).
En utilisant le changement de coordonnees T
L
suivant T
L
=
_
I
np
L
0 T
_
, on denit les nouvelles coor-
donnees e
1
et e
2
= e
y
dont les dynamiques sont :
_

e
1
(t) = (A
11
+LA
21
) e
1
(t),

e
2
(t) = TA
21
e
1
(t) +TG
1
e
1
(t (t)) +TG
1
L(e
2
(t (t)) e
2
(t ))
+G
l
e
2
(t) +T
0
(t) +TD
1
(t) +,
(5.3.21)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.3. OBSERVATION DE SYST
`
EMES
`
A RETARDS INCONNUS 123
Comme precedemment, le terme retarde e
2
(t (t)) e
2
(t ) est considere comme une perturbation. On
obtient :
_

e
1
(t) = (A
11
+LA
21
) e
1
(t),

e
2
(t) = TA
21
e
1
(t) +TG
1
e
1
(t (t)) +G
l
e
2
(t) + +T(t) +TD
1
(t),
(5.3.22)
o` u la nouvelle fonction de perturbation due au retard inconnu est : IR IR
p
, denie par :
(t) =
0
(t) +TG
1
L(e
2
(t (t)) e
2
(t )),
ce qui secrit aussi :
(t) =
_
G
1
G
2
G
1
L
_
_
t(t)
t
_

x
1
(s)
x
2
(s)
e
2
(s)
_

_
ds +G
u
(u(t (t)) u(t )).
est une fonction dependant uniquement de

x
1
, x
2
, e
2
et u qui sont des variables connues par lobservateur.
Il est alors legitime de supposer lexistence dune fonction scalaire
2
, connue qui verie :
|(t)|
2
(t, x
1t
, x
2t
, e
2t
, u).
Il est maintenant possible de donner une expression de la fonction en se referant aux techniques introduites
dans le cadre de la synth`ese de loi de commande [51]. Soit un reel positif, on pose :
(t, x
1
, x
2
, u) = |D
1
|
1
(t, x
1
, x
2
, u) +
2
(t, x
1t
, x
2t
, e
2t
, u) +, (5.3.23)
Theor`eme 5.3.6 [131] Sous les conditions A et (5.3.10) et pour toute matrice de Hurwitz G
l
, le syst`eme
(5.3.22) est asymptotiquement stable pour tout retard (t)
2
sil existe des matrices symetriques denies
positives P
1
et R
1
IR
(np)(np)
, P
2
IR
pp
, une matrice symetrique Z
2
IR
qq
et une matrice W
IR
(np)(pq)
telles que les conditions LMI suivantes soient realisees :
_

0
A
T
11
P
1
+A
T
211
W
T
(A
21
+G
1
)
T
T
T
P
2
2P
1
+
2
R
1
0
G
T
l
P
2
+P
2
G
l
+
2
Z
2
_

_
< 0, (5.3.24)
_
R
1
(TG
1
)
T
P
2
P
2
TG
1
Z
2
_
0, (5.3.25)
o` u
0
= A
T
11
P
1
+P
1
A
11
+A
T
211
W
T
+WA
211
.
Le gain

L est donne par

L = P
1
1
W.
Demonstration. Soit la fonctionnelle de Lyapunov-Krasovskii :
V (t) = e
T
1
(t)P
1
e
1
(t) + e
T
2
(t)P
2
e
2
(t) +
_
0

2
_
t
t+

e
T
1
(s)R
1

e
1
(s)dsd. (5.3.26)
En utilisant la transformation suivante :
e
1
(t (t)) = e
1
(t)
_
t
t(t)

e
1
(s)ds, (5.3.27)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
124 Chapitre 5. Observation des syst`emes `a retards
et en derivant (5.3.26), on obtient :

V (t) = e
T
1
(t)[(A
11
+LA
21
)
T
P
1
+P
1
(A
11
+LA
21
)] e
1
(t) + e
T
2
(t)[G
T
l
P
2
+P
2
G
l
] e
2
(t)
+2 e
T
2
(t)P
2
T(A
21
+G
1
) e
1
(t) +
2

e
T
1
(t)R
1

e
1
(t) +
1
(t) +
2
(t)
_
t
t
2

e
T
1
(s)R
1

e
1
(s)ds,
o` u

1
(t) = 2 e
T
2
(t)P
2
TG
1
_
t
t(t)

e
1
(s)ds,

2
(t) = 2 e
T
2
(t)P
2
T [D
1
(t) +(t) 2(t, y, u)|P
2
e
2
(t)|] .
Les conditions LMI (5.3.25) permettent decrire, pour tout vecteur X :
X
T
_
R
1
(TG
1
)
T
P
2
P
2
TG
1
Z
2
_
X 0,
En particulier, pour X =
_

e
1
(s)
e
2
(t)
_
, on a :
2 e
2
(t)P
2
TG
1

e
1
(s) e
2
(t)
T
Z
2
e
2
(t) +

e
T
1
(s)R
1

e
1
(s).
Puis, en integrant cette relation par rapport `a la variable s, on majore
1
(t) :

1
(t)
_
t
t(t)
e
T
2
(t)Z
2
e
2
(t)ds +
_
t
t(t)

e
T
1
(s)R
1

e
1
(s)ds,

1
(t)
2
e
T
2
(t)Z
2
e
2
(t) +
_
t
t
2

e
T
1
(s)R
1

e
1
(s)ds.
(5.3.28)
Dapr`es la denition (5.3.23) de et sachant que T est orthogonale :

2
(t) 2(t, y, u)|P
2
e
2
(t)| 2|P
2
e
2
(t)|. (5.3.29)
En tenant compte des majorations (5.3.28), (5.3.29) et sachant que

e
1
(t) = (A
11
+

LA
211
) e
1
(t),

V est majoree
par :

V (t) e
T
1
(t)(P
1
(A
11
+

LA
211
) + (A
11
+

LA
211
)
T
P
1
) e
1
(t)
+ e
T
2
(t)P
2
(A
21
+G
1
) e
1
(t) + e
T
1
(t)(A
21
+G
1
)
T
P
2
e
2
(t)
+ e
T
2
(t)(P
2
G
l
+G
T
l
P
2
) e
2
(t) +
2
e
T
1
(t)(A
11
+LA
21
)
T
R
1
(A
11
+LA
21
) e
1
(t)
+
2
e
T
2
(t)Z
2
e
2
(t) 2|P
2
e
2
(t)|,
ce qui peut encore secrire :

V (t)
_
e
1
(t)
e
2
(t)
_
T

_
e
1
(t)
e
2
(t)
_
2|P
2
e
2
(t)|,
avec =
_

1
(A
21
+G
1
)
T
T
T
P
2
P
2
T(A
21
+G
1
) G
T
l
P
2
+P
2
G
l
+
2
Z
2
_
et o` u

1
= (A
11
+

LA
211
)
T
P
1
+P
1
(A
11
+

LA
211
) +
2
(A
11
+

LA
211
)
T
R
1
(A
11
+

LA
211
)
Cette condition nest pas du type LMI car elle comporte des termes non lineaires dans la premi`ere ligne et
la premi`ere colonne. Cependant, il est necessaire que cette composante soit denie negative pour garantir la
negativite de

V . En utilisant le Lemme 1, on transforme ce probl`eme en LMI.
_

0
(A
11
+

LA
211
)
T
Y
T
(A
21
+G
1
)
T
T
T
P
2
Y Y
T
+
2
R
1
0
G
T
l
P
2
+P
2
G
l
+
2
Z
2
_

_
< 0. (5.3.30)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.4. STABILIT

E DES OBSERVATEURS
`
A MODES GLISSANTS 125
En imposant Y = P
1
et en denissant W = P
1

L, la condition LMI du theor`eme apparat. Finalement, si


(5.3.24) and (5.3.25) sont satisfaites, (5.3.30) est aussi veriee. Ainsi la dynamique de lerreur est asymptoti-
quement stable.
Proprietes dynamiques
Corollaire 5.3.7 Dapr`es la synth`ese de lobservateur du Theor`eme 1, le syst`eme entre en regime glissant sur
la surface S
0
= e
2
= 0 en temps ni.
Demonstration. Soit la fonction de Lyapunov candidate :
V
2
(t) = e
T
2
(t)P
2
e
2
(t) (5.3.31)
En dierenciant (5.3.31) le long de (5.3.21), on obtient :

V
2
(t) = e
T
2
(t)(G
T
l
P
2
+P
2
G
l
) e
2
(t) + 2 e
T
2
(t)P
2
T
_
T
T

+A
21
e
1
(t) +G
1
e
1
(t (t)) +D
1
(t) +(t)] .
Le fait que G
l
est de Hurwitz et (5.3.11) conduisent `a la majoration suivante :

V
2
(t) 2|P
2
e
2
(t)| [|A
21
e
1
(t) +G
1
e
1
(t (t))| ] .
Dapr`es le Theor`eme 1, lerreur e
1
est asymptotiquement stable. Ainsi, il existe un temps t
0
et un reel positif
tels que t t
0
, |A
21
e
1
(t) +G
1
e
1
(t (t))| . Ceci conduit `a :
t t
0
,

V
2
(t) 2|P
2
e
2
(t)|
2
_

min
(P
2
)
_
V
2
(t).
o` u
min
(P
2
) est la plus petite valeur propre de P
2
. En integrant cette derni`ere inegalite dierentielle, on conclue
que le syst`eme entre en regime glissant sur la surface S
0
en temps ni.
5.4 stabilite des observateurs `a modes glissants
5.4.1 Observateur stable
Imposer un crit`ere dstabilite est une technique interessante pour caracteriser la convergence de lobser-
vateur. En eet, generalement lestimation de letat est une donnee utilisee par le controleur pour determiner
la nouvelle valeur de controle. Plus lestimation est ne, plus la commande calculee sera pertinente. Dans cette
partie, la convergence de lobservateur est amelioree en imposant un crit`ere de convergence exponentielle. En
depit du retard variable et inconnu, les theor`emes suivants assurent que la dynamique de lerreur est stable.
La stabilite exponentielle est un moyen dassurer la rapidite de convergence de lobservateur. Comme dans
[113],[130], pour tout > 0, le syst`eme (5.3.8) est dit stable, ou exponentiellement stable et de degre de
convergence , sil existe un reel 1 tel que les solutions e(t; t
0
, ), pour toute condition initiale , verient :
[e(t, t
0
, )[ [[e
(tt
0
)
.
En introduisant la nouvelle variable e

(t) = e
t
e(t) dans (5.3.8), o` u est un reel positif, la convergence
asymptotique de la variable e

implique la convergence exponentielle de la variable initiale e vers la solution 0,


t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
126 Chapitre 5. Observation des syst`emes `a retards
avec un degre de convergence . Lequation (5.3.8) devient :
_

_
e
1
(t) = (A
11
+I
(np)
)e
1
(t),
e
y
(t) = (H +I
p
)e
Y
(t) +e
t
G
y
e
y
(t (t)) +A
21
e
1
(t) +G
x
1
e
(t)
e
1
(t (t))
+e
t
[ +

(t) +D
1
(t)] ,
(5.4.1)
Dapr`es lhypoth`ese de bornitude faite sur le retard (t), on peut deduire les inegalites suivantes :

1
= 1 e
(t)
e

2
=
2
.
A la mani`ere de lapproche polytopique presentee dans le Chapitre 2, on peut alors denir les fonctions
scalaires
1
et
2
, ne dependant que de la valeur du retard (t). On impose les conditions de convexite suivante :
t 0,
1
(t) +
2
(t) = 1,
1
(t) 0,
2
(t) 0.
et telles que lon puisse ecrire :
e
(t)
=
1
(t)
1
+
2
(t)
2
.
Ainsi les erreurs e
1
et e
y
sont regies par le syst`eme polytopique suivant :
_

_
e
1
(t) =

2
i=1

i
(t)
_
(A
11
+I
(np)
)e
1
(t)
_
,
e
y
(t) =

2
i=1

i
(t) (H +I
p
)e
y
(t) +A
21
e
1
(t) +G
x
1

i
e
1
(t (t))
+
i
[G
y
e
y
(t (t)) + +

(t) +D
1
(t)] ,
(5.4.2)
Theor`eme 5.4.1 En supposant que les conditions A soient satisfaites, le syst`eme decrit par (5.3.8) est stable
pour tout reel positif et pour tout retard variable 0 (t)
2
, sil existe des matrices symetriques denies
positives P
1
et R
1
IR
(np)(np)
, P
y
IR
pp
et une matrice symetrique Z
2i
IR
pp
telles que les conditions
LMI suivantes soient satisfaites pour i = 1, 2 :

0i
=
_

1
(A
21
+
i
G
x
1
)
T
P
y
P
y
(A
21
+
i
G
x
1
)
2
_
< 0, (5.4.3)
_
R
1

i
G
T
x
1
P
y

i
P
y
G
x
1
Z
2i
_
0, (5.4.4)
o` u

1
= A
T
11
P
1
+P
1
A
11
+ 2P
1
+
2
(A
11
+I
(np)
)
T
R
1
(A
11
+I
(np)
),

2
= H
T
P
y
+P
y
H + 2P
y
+
2
Z
2
.
Demonstration. La preuve de ce theor`eme est similaire `a celle du Theor`eme 5.3.4. Considerons la fonc-
tionnelle de Lyapunov-Krasovskii suivante :
V

(t) = e
T
1
(t)P
1
e
1
(t) +e
T
y
(t)P
y
e
y
(t) +
_
0

2
_
t
t+
e
T
1
(s)R
1
e
1
(s)dsd. (5.4.5)
On remarque que la relation (5.3.27) est toujours valide pour les variables e
1
et e
y
. Ainsi, en dierenciant
(5.4.5) le long des trajectoires de (5.4.2), on obtient :

(t) =

2
i=1

i
(t)
_
e
T
1
(t)[A
11
T
P
1
+P
1
A
11
+ 2P
1
]e
1
(t) +e
T
y
(t)[H
T
P
y
+P
y
H + 2P
y
]e
y
(t)
+2e
T
y
(t)P
y
(A
21
+
i
G
x
1
)e
1
(t) +

1i
(t) +

2
(t) 2

(t, y, u)|P
y
e
y
(t)|e
t
_
+
2
e
T
1
(t)R
1
e
1
(t)
_
t
t
2
e
T
1
(s)R
1
e
1
(s)ds,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.4. STABILIT

E DES OBSERVATEURS
`
A MODES GLISSANTS 127
o` u

1i
(t) = 2
i
e
T
y
(t)P
y
G
x
1
_
t
t(t)
e
1
(s)ds,

2
(t) = 2e
T
y
(t)P
y
[D
1
(t) +

(t) +G
y
e
y
(t (t))] e
t
.
Les conditions LMI (5.4.4) permettent decrire, pour i = 1, 2 :
2e
y
(t)P
y

i
G
x
1
e
1
(s) e
T
y
(t)Z
2i
e
y
(t) + e
T
1
(s)R
1
e
1
(s).
Une integration donne linegalite suivante :

1i
(t)
2
e
T
y
(t)Z
2i
e
y
(t) +
_
t
t
2
e
T
1
(s)R
1
e
1
(s)ds. (5.4.6)
En utilisant la denition de

et le fait que les fonctions de perturbations

et sont bornees, on majore

2
(t) de la mani`ere suivante :

2
(t) 2

(t, y, u)|P
y
e
y
(t)|e
t
2

|P
y
e
y
(t)|. (5.4.7)
Les deux majorations, (5.3.17) et (5.3.18) et legalite suivante e
1
(t) = (A
11
+I
p
)e
1
(t) conduisent `a :

(t)

2
i=1

i
(t)
_
_
_
_
e
1
(t)
e
y
(t)
_
T

0i
_
e
1
(t)
e
y
(t)
_
_
_
_
2

|P
y
e
y
(t)|.
Ainsi, si la condition (5.4.3) est satisfaite, la derivee de la fonctionnelle de Lyapunov-Krasovskii est majoree
par une combinaison convexe de deux termes denis negatifs.

V

(t) de (5.4.5) est negative. On en deduit que


lerreur (5.4.1) est asymptotiquement stable et le syst`eme initial (5.3.8) est stable.
Remarque 5.4.2 Si le Theor`eme 5.3.4 est verie pour un syst`eme donne et comme la matrice A
11
est de
Hurwitz, (5.4.3) et (5.4.4) sont faisables pour des valeurs de susamment petites.
Remarque 5.4.3 Le Theor`eme 5.4.1 necessite que la matrice A
11
rende le sous syst`eme e
1
(t) = A
11
e
1
(t)
stable, cest-`a-dire
min
(A
11
). Cela vient de la contrainte LMI (5.4.3).
5.4.2 Observateur `a retour de sorties
Theor`eme 5.4.4 [131] Sous les conditions A et (5.3.10), le syst`eme (5.3.21) est stable pour tout retard
(t)
2
sil existe des matrices symetriques denies positives P
1
, R
1
et R
2
IR
(np)(np)
, P
2
IR
pp
,
une matrice symetrique Z
2
IR
pp
et une matrice W IR
(np)(pq)
telles que les conditions LMI suivantes
soient realisees :
_

1
A
T
11
P
1
+A
T
211
W
T
+P
1
(A
21
+
m
G
1
)
T
T
T
P
2
2P
1
+ 2
2
R
1
0
Y
T
+Y + 2P
2
+
2
Z
2


0 0
0 0

d
P
2
TG
1

2

d
P
2
TG
1
R
1
0

2
R
2
_

_
< 0, (5.4.8)
_
R
1

m
(TG
1
)
T
P
2

m
P
2
TG
1
Z
2
_
0. (5.4.9)
o` u

1
= A
T
11
P
1
+P
1
A
11
+ 2P
1
+A
T
211
W
T
+WA
211
+R
2

m
= (1 +e

2
)/2,
d
= (1 +e

2
)/2
Les gains sont donnes par

L = P
1
1
W et G
l
= P
1
2
Y .
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
128 Chapitre 5. Observation des syst`emes `a retards
Demonstration. En introduisant la nouvelle variable e

i
(t) = e
t
e
i
(t) dans (5.3.21), la convergence asympto-
tique de e

implique que e soit stable. Lequation (5.3.21) devient :


_

1
(t) = (A
11
+LA
21
+I
(np)
) e

1
(t),

2
(t) = TA
21
e

1
(t) + ( +T(t) +TD
1
(t)) e
t
+e
(t)
TG
1
e

1
(t (t)) + (G
l
+I
p
) e

2
(t);
(5.4.10)
En ecrivant e
(t)
=
m
+ (t)
d
, o` u (t) est une fonction reelle inconnue veriant |(t)| 1,
m
=
(1 +e

2
)/2, et
d
= (1 +e

2
)/2, La fonctionnelle de Lyapunov-Krasovskii candidate secrit :
V

(t) = e
T
1
(t)P
1
e

1
(t) + e
T
2
(t)P
2
e

2
(t) + 2
_
0

2
_
t
t+

e
T
1
(s)R
1

1
(s)dsd. (5.4.11)
En dierenciant (5.4.11) le long de (5.4.10), on obtient :

(t) = e
T
1
(t)[P
1
(A
11
+

LA
211
+I
(np)
) +P
1
(A
11
+

LA
211
+I
(np)
)
T
P
1
] e

1
(t)
+ e
T
2
(t)[P
2
(G
l
+I
p
) + (G
l
+I
p
)
T
P
2
] e

2
(t) + 2
2
e
T
1
R
1
e

1
(t)
+2 e
T
2
(t)P
2
T(A
21
+
m
G
1
) e

2
(t) 2
_
t
t(t)
e
T
1
R
1
e

1
(t)
+

1
(t) +

2
(t) +

3
(t) +

4
(t),
o` u les fonctions

i
sont denies par :

1
(t) = 2 e
T
2
(t)P
2

m
TG
1
_
t
t(t)
e

1
(s)ds,

2
(t) = 2 e
T
2
(t)P
2

d
(t)TG
1
e

1
(t),

3
(t) = 2 e
T
2
(t)P
2

d
(t)TG
1
_
t
t(t)
e

1
(s)ds,

4
(t) = 2 e
T
2
(t)P
2
( +T(t) +TD
1
(t)) e
t
.
En utilisant la meme methode que dans le Theor`eme 5.3.6, (5.4.9) permet de majorer
1
:

1
(t)
2
e
T
2
(t)Z
2
e

2
(t) +
_
t
t
2

e
T
1
(s)R
1

1
(s)ds. (5.4.12)
En appliquant la majoration standard qui, pour toute matrice R > 0 de dimension n n et pour tous
vecteurs a et b de R
n
, assure que 2a
T
b a
T
R
1
a + b
T
Rb, `a

2
(t) avec a
T
= e
T
2
(t)P
2

d
TG
1
(t), b = e

1
(t)
et R = R
2
, on obtient :

2
(t) e
T
2
(t)
d
P
2
TG
1
R
1
2

d
(TG
1
)
T
P
T
2
e

2
(t) + e
T
1
(t)R
2
e

1
(t). (5.4.13)
En utilisant cette meme majoration pour

3
(t) avec a
T
= e
T
2
(t)P
2

d
TG
1
(t), b = e

1
(s) et R = R
1
, on
obtient :

3
(t)
2
e
T
2
(t)
d
P
2
TG
1
R
1
1

d
(TG
1
)
T
P
T
2
e

2
(t) +
_
t
t
2
e
T
1
(s)R
1
e

1
(s)ds. (5.4.14)
Les fonctions et de (5.3.23) restant inchangees, on a :

4
(t) 2|P
2
e
2
(t)|. (5.4.15)
Puis la combinaison de (5.4.12-5.4.15) avec lexpression de la derivee de V

conduit `a :

(t)
_
e
1
(t)
e
2
(t)
_
T

_
e
1
(t)
e
2
(t)
_
2|P
2
e
2
(t)|,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.5. EXEMPLES 129
avec :

=
_

11
(A
21
+G
1
)
T
T
T
P
2

22
_
,
et o` u

11
= P
1
(A
11
+

LA
211
) + (A
11
+

LA
211
)P
1
+ (A
11
+

LA
211
)
T
R
1
(A
11
+

LA
211
),

22
= G
T
l
P
2
+P
2
G
l
+ 2P
1
+
2
Z
2
+
2

d
P
2
TG
1
R
1
2
(TG
1
)
T
P
2

d
+
d
P
2
TG
1
R
1
1
(TG
1
)
T
P
2

d
.
Le Lemme A.3.2 applique de la meme mani`ere que dans le Theor`eme 5.3.6 conduit `a :
_

1
A
T
11
P
1
+A
T
211
W
T
(A
21
+G
1
)
T
T
T
P
2
2P
1
+ 2
2
R
1
0

22
_

_
< 0,
Enn, en imposant Y = P
2
G
l
, le complement de Schur permet de retrouver les conditions LMI (5.4.8). Ainsi,
si (5.4.8) et (5.4.9) sont satisfaites, la derivee de la fonctionnelle (5.4.11) est denie negative.
Remarque 5.4.5 On remarque que lorsquon choisi = 0 dans le Theor`eme 2, on montre que le syst`eme est
asymptotiquement stable.
5.5 Exemples
5.5.1 Exemple 1
Considerons le syst`eme `a retard inconnu sur letat et lentree deni par :
_
x(t) = Ax(t) +A

x(t (t)) +B

u(t (t))
y(t) = Cx(t),
o` u la loi de commande est u(t) = 2 sin(t), le retard (t) est deni par la loi (t) = 0.15(1 +cos(t)) et avec :
A =
_

_
5 6.5 2 0.5
0 0.5 0 0.5
6 21 3 6
3 2 1.5 0.5
_

_
, A

=
_

_
1 3 0 1
0 0 0 0
3 9 1 2
1 3 0 1
_

_
,
B

=
_

_
1
0
1
1
_

_
, C =
_
2 0 2 1
0 2 0 1
_
.
On remarque rang([A

[B

]) = rang(C[A

[B

]) = 2. On en deduit quil existe un changement de variables


Q :
Q =
_

_
1 1 0 1
0 1 0 0
2 0 2 1
0 2 0 1
_

_
,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
130 Chapitre 5. Observation des syst`emes `a retards
tel que le syst`eme secrit sous la forme de (5.3.4) avec B
1
= 0, B
2
= 0 et :
A
11
=
_
1 2
0 0.5
_
, A
12
=
_
1 2
0 0.5
_
, A
21
=
_
1 0
0 1
_
, A
22
=
_
0.5 4
3 1
_
,
G
x
1
=
_
0 1
1 0
_
, G
y
=
_
1 0
0 0
_
, G
u
=
_
0
1
_
.
Lobservateur par modes glissants (5.3.5) peut alors etre utilise pour le syst`eme considere. On choisit

h = 0.15
et :
H =
_
10 0
0 10
_
.
Le Theor`eme 5.3.4 prouve la convergence de lobservateur vers le syst`eme reel grace `a la fonctionnelle de
Lyapunov-Krasovskii (5.3.15) avec :
P
1
=
_
557.0 0
0 2924.3
_
, P
y
=
_
36.20 0.0216
0.0216 35.97
_
, R
1
=
_
557.00 0
0 557.00
_
.
Les Figures 5.1, 5.2 and 5.3 montrent les resultats en simulation. Lobservateur converge eectivement vers le
syst`eme reel. A titre de remarque, la convergence de lobservateur o` u = 0, (qui nest pas donnee ici) converge.
Le Theor`eme 5.4.1 assure la stabilite exponentielle pour tout < 0.5.
0 5 10 15 20 25 30 35 40 45 50
4
3
2
1
0
1
2
3
4
5
time
x
11
(t)
^x
11
(t)
x
12
(t)
^x
12
(t)
Fig. 5.1 Trajectoires de x
1
(t) et x
1
(t)
5.5.2 Exemple 2
Soit le syst`eme (5.3.19) avec :
A
11
=
_
0 0
0 1
_
, A
12
=
_
1 0
0 0.1
_
, A
21
=
_
2 3
2 1
_
,
A
22
=
_
1 0
0 1
_
, G
1
=
_
0 0
0.1 0.21
_
, G
2
=
_
0 0
0.2 1
_
,
G
u
=
_
0
1
_
, D
1
= B
1
= B
2
=
_
0
0
_
,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.5. EXEMPLES 131
0 5 10 15
6
5
4
3
2
1
0
1
2
3
4
time
y
11
(t)
y
12
(t)
^y
11
(t)
^y
12
(t)
Fig. 5.2 Trajectoires de y(t) et y(t)
0 5 10 15
6
4
2
0
2
4
6
time
e
x
1
(t)
e
x
2
(t)
e
y
1
(t)
e
y
2
(t)
Fig. 5.3 Evolution de lerreur e(t)
Le retard inconnu du syst`eme observe est de la forme (t) =

2
2
(1 + sin(wt)), dont la borne maximale est

2
= 0.3s, et dont la frequence est w = 0.5s
1
. La commande utilisee est de la forme u(t) = u
0
sin(t), avec
u
0
= 2 et = 3.
Les resultats en simulations sont donnes dans les gures suivantes. Les Figures 5.4 et 5.5 presentent les
erreurs dobservation du syst`eme pour = 0 et = 2. Les Figures 5.6 et 5.7 montrent la comparaison entre
letat reel et letat estime, pour = 2.
On remarque que le fait daugmenter le coecient dexponentialite accel`ere la rapidite de convergence de
lerreur. Dans ces conditions, le Theor`eme 5.4.4 assure la convergence exponentielle de lobservateur pour = 2
vers le syst`eme reel. Les gains de lobservateur sont alors :

L =
_
3.6936
0.9943
_
, G
l
=
_
12.0704 5.0757
24.6079 39.8518
_
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
132 Chapitre 5. Observation des syst`emes `a retards
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
6
4
2
0
2
4
6
time
e
x
1
(t)
e
x
2
(t)
e
y
1
(t)
e
y
2
(t)
Fig. 5.4 Simulation de lerreur dobservation pour = 0 et
2
= 0.3
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
6
4
2
0
2
4
6
8
time
e
x
1
(t)
e
x
2
(t)
e
y
1
(t)
e
y
2
(t)
Fig. 5.5 Simulation de lerreur dobservation pour = 0.9 et
2
= 0.3
5.6 Conclusion
Le probl`eme de la synth`ese dun observateur de syst`emes `a retard inconnu, `a la fois sur letat et la com-
mande, a ete resolu pour une classe de syst`emes `a retards. Les theor`emes, presentes sous formes dinegalites
matricielles lineaires (LMI), garantissent la convergence asymptotique (Theor`emes 5.3.4 et 5.3.6), ou exponen-
tielle (Theor`emes 5.4.1 et 5.4.4) connaissant la borne superieure du retard. Cependant les resultats proposes
ne concernent quune classe de syst`emes lineaires `a retards veriant les conditions de recouvrements du type
A1-3 ou A1-3 qui sont toutefois restrictives. Ces theor`emes ne representent donc quune premi`ere etape dans la
recherche dobservateurs de syst`emes `a retards. Ils serait interessant de developper ces techniques pour reduire
le conservatisme des conditions de recouvrement et pour les adapter aux cas des syst`emes sous mis `a des
incertitudes parametriques ou non lineaires .
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
5.6. CONCLUSION 133
0 1 2 3 4 5 6 7 8 9 10
2
1
0
1
2
3
4
5
time
x
11
(t)
^x
11
(t)
x
12
(t)
^x
12
(t)
Fig. 5.6 Comparaison entre les variables x
1
et x
1
, pour = 2,
0 1 2 3 4 5 6 7 8 9 10
6
5
4
3
2
1
0
1
2
3
4
time
y
11
(t)
y
12
(t)
^y
11
(t)
^y
12
(t)
Fig. 5.7 Comparaison entre les variables x
2
et x
2
, pour = 2
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
134 Chapitre 5. Observation des syst`emes `a retards
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Chapitre 6
Applications
6.1 Etude de la barre de torsion
Cette premi`ere application concernent la commande dune barre de torsion representee Figure 6.1

Fig. 6.1 Barre de torsion
Plusieurs auteurs ont interprete lequation donde decrivant le comportement de la barre de torsion comme
un syst`eme lineaire `a retards. On notera ici x
2
la position angulaire de la barre de torsion. Une modelisation
proposee par [44] est :
_
x
1
(t) = x
2
(t),
x
2
(t) = x
2
(t 2T) x
2
(t) +x
2
(t 2T) +u(t T),
(6.1.1)
o` u T represente le retard dependent des param`etres physiques du syst`eme, notamment de la longueur de la
barre. En introduisant la variable x(t) = colx
1
(t), x
2
(t), les equations (6.1.1) secrivent :
x(t) =
_
0 1
0 1
_
x(t) +
_
0 0
0 1
_
x(t 2T)
_
0 0
0 1
_
x(t 2T) +
_
0
1
_
u(t T).
Dans ce cas de syst`emes neutres, on a F =
_
0 0
0 1
_
et |F| = 1, ce qui signie que loperateur aux
dierences x(t) Fx(t g) nest pas asymptotiquement stable au sens de Shur-Cohn. Ainsi, [15] et [44] ont
135
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
136 Chapitre 6. Applications
utilise une loi de commande de la forme :
u(t) = x
2
(t T) +v(t) (6.1.2)
avec ]0, 2[. Dans [15] et [44], v(t) est construit sur la base de la mesure de x(t T). Ici, nous supposerons que
x
2
(t T) est mesure instantanement mais que x nest mesure avec un retard additionnel , variable et inconnu,
tel que |(t)| . On peut noter que cette situation peut correspondre au cas dechantillonnage des donnees
capteurs de letat x. La loi de commande proposee est alors de la forme :
v(t) = Kx(t T (t)), (6.1.3)
o` u K est le gain de retour detat de dimension appropriee. Lobjectif consiste alors `a determiner ce gain an de
garantir la stabilite exponentielle du syst`eme. Ainsi, les equations de la barre de torsion sont de la forme :
x(t) =
_
0 1
0 1
_
x(t) +
_
0 0
0 1
_
x(t T)
_
0 0
0 1
_
x(t T) +
_
0
1
_
Kx(t 2T (t)). (6.1.4)
Pour = 0.6, T = 0.05, et = 0.08, le Theor`eme 4.3.6 concernant le cas des syst`emes neutres `a retards
constants sur le terme neutre et `a retards variables bornes sur letat (avec = = 0.1, et = 0.08) garantit
que le syst`eme (6.1.4) est stabilisable pour = 0.775 en prenant = 3.8. Le gain K = [1.2389 , 1.9522]
stabilise exponentiellement le syst`eme. Apr`es avoir verie la condition |e
2T
F| = 0.4309 < 1, les resultats en
simulation sont representes sur la Figure 6.2. Ils montrent la convergence exponentielle `a taux garanti par le
Theor`eme.
0 1 2 3 4 5 6 7
15
10
5
0
5
10
15
time (s)
X
1
/
X
2
X1(t)
X2(t)
Exponential Bounds
Fig. 6.2 Simulation de la barre de torsion avec = 1.05, h
1
= h
2
= 0.1,
1
= 0 et
2
= 0.08
De plus, dans le cas dun retard constant (cest-`a-dire sans retard additionnel ), on peut comparer les
resultats avec ceux du Lemme 1 de [82] en prenant le syst`eme en boucle fermee avec K = [1.2389 , 1.9522].
Les conditions LMI de [82] ne sont pas veriees.
Remarque 6.1.1 Cet exemple reste une application theorique des theor`emes proposes dans ce memoire. Il est
important demettre quelques critiques quant `a la robustesse dune telle commande. La commande (6.1.2) nest
pas robuste vis-a vis du retard T du terme neutre. Si ce retard nest pas precisement T mais T +, o` u serait une
petite perturbation, la commande ne permettrait pas de stabiliser le syst`eme et conduirait `a un comportement
instable de ce dernier.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T

EL

E-OP

ERATION 137
6.2 Application `a la tele-operation
6.2.1 Introduction
Ce chapitre concerne le controle, lobservation et limplementation informatique dun syst`eme de type Matre
- Esclave communiquant `a distance par le moyen dun reseau de type internet. Un enjeu principal de la synth`ese
de commande est ici de pouvoir garantir des performances (stabilite, rapidite, robustesse) malgre les perturba-
tions generees par lutilisation du reseau (retards variables et asymetriques, perte de paquets et echantillonnage).
Le controle `a distance est le moyen de realiser sans danger des taches en environnement hostile (deminage,
depollution par exemple), dadmettre des utilisateurs delocalises sur une plate-forme (enseignement, chirurgie...),
ou encore de faire collaborer plusieurs applications dun syst`eme informatique distribue. Pour des distances
importantes, la technologie internet apparat aujourdhui comme un moyen de communication naturel et peu
onereux. Cependant, la Qualite de Service (QdS ou QoS en anglais) fournie par internet semble souvent assez
faible au regard de ce genre dapplications [2] et les dynamiques induites par le reseau (retards) doivent etre
prises en compte dans lelaboration de la loi de commande.
Si lenergie et la puissance de calcul embarquees dans lEsclave netaient pas limitees, on pourrait envisager
de lui coner toutes les taches de commande (planication et suivi de trajectoire, gestion capteurs, observation)
et le role du reseau se reduirait `a vehiculer les consignes `a atteindre. Ici, nous considererons le cas moins ideal
o` u lEsclave ne dispose que dune puissance de calcul tr`es limitee, que ce soit pour des raisons de limitation de
lenergie embarquee, ou bien pour limiter son co ut
1
. Dans ce cas, leort de calcul est `a deporter au maximum
sur le matre. Celui-ci calcule la commande, lenvoie `a lEsclave via le reseau et, reciproquement lEsclave envoie
ses donnees capteur au Matre `a travers ce meme reseau.
Bien s ur, le transfert informatique des donnees (capteurs ou commande) par le reseau necessite lechantill-
onnage des sorties capteur de lEsclave et des commandes generees par le Matre.
Dans cette situation, deux sources de retards variables se combinent :
Les liens de communications introduisent des retards variables dans lensemble de la boucle (`a laller
comme au retour). Ces retards doivent imperativement etre pris en compte lors de la conception de la
commande et de lobservation.
Lechantillonnage, qui nest generalement pas periodique `a cause de lordonnancement temps-reel des
taches, mais aussi des pertes de paquets par le reseau, constitue une autre source de retard variable [53]
qui devra aussi etre pris en compte.
Pour la simplicite de lexpose, nous considererons que lEsclave est represente par un mod`ele lineaire. Le
controle correspondra `a un retour detat base sur un observateur et devra etre calcule par la partie Matre.
Le syst`eme global devra assurer une performance de rapidite garantie malgre les eets de retard du reseau.
Une telle performance est obtenue en assurant une propriete de stabilisation exponentielle (en exp t, > 0)
robuste vis-`a-vis des retards
2
. Cette propriete sera demontree en utilisant une approche de type Lyapunov
(fonctionnelles de Lyapunov-Krasovskii) conduisant `a la conception des gains du controleur et de lobservateur
par resolution dinegalites matricielles lineaires (LMI).
On sait que dans ces conditions, lelaboration de la commande est facilitee par la connaissance des retards.
1
Par exemple, dans une situation de deminage, les robots esclaves sont souvent voues `a la destruction et on essaie de minimiser
leur co ut unitaire.
2
Pour ne pas alourdir lexpose, nous ne considerons pas la robustesse parametrique vis-`a-vis du mod`ele de lEsclave. On pourrait
pour cela sinspirer de travaux comme [130].
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
138 Chapitre 6. Applications
Dans le cas present, la solution que nous proposons est basee sur un syst`eme GPS qui permet aux parties
Matre et Esclave de synchroniser leurs horloges. Ainsi, les paquets echanges contiennent non seulement la loi
de commande ou la sortie de lEsclave, mais aussi la date de leur envoi. Il lui est alors possible de mesurer le
retard de transmission variable, non symetrique. Non symetrique signie que les retards Matre-Esclave h
1
et
Esclave-Matre h
2
sont separement reconstruits par le syst`eme, sans etre consideres comme egaux `a la moitie du
delai de transport de la boucle de communication compl`ete, appele RTT pour Round Trip Time. Ce chapitre
presentera successivement une presentation du probl`eme et des solutions techniques retenues, puis la theorie
permettant de garantir une performance globale, des resultats obtenus en simulation sur un exemple de syst`eme
lineaire dordre 2 (correspondant au deplacement dun moteur sur un rail) et, enn, une implementation sur un
processus reel.
Fig. 6.3 Principe de la boucle Matre-Esclave.
Retards et teleoperation
La reference [127] donne une synth`ese des problematiques liees `a la presence de retards. On consultera
aussi [69],[111] pour avoir une presentation detaillee de techniques recentes de stabilisation
3
generalisant celles
de Lyapunov au cas retarde. Nous pouvons retenir de ces synth`eses une premi`ere conclusion : meme dans le
cas lineaire, repute simple, il est extremement rare de pouvoir mettre concr`etement en uvre des conditions
necessaires et susantes de stabilite adaptees `a la synth`ese de lois de commande dans le cas retarde. Lanalyse
passe ainsi par des conditions seulement susantes, ce qui explique le grand nombre de publications proposant
des conditions techniques sous-optimales mais calculables au moyen de LMI. Une deuxi`eme conclusion concerne
la dierence `a faire selon le type de retard considere : retard constant h, variable h(t), borne 0 h
0
h(t) h
m
,
`a derivee bornee :

dh
dt

< 1,
dh
dt
< 1 ou
dh
dt
1, etc.
Pour ce qui concerne plus speciquement la teleoperation, plusieurs travaux ont tenu compte de retards de
transmission h qui, dans un premier temps, furent consideres comme constants [7, 41, 115]. Dans un contexte de
commande par reseau, cette hypoth`ese nest pourtant quune premi`ere approximation : on sait que les retards
de reseau varient fortement au cours du temps (phenom`ene de gigue, ou jitter). Mais, jusqu`a recemment, les
techniques predictives classiques (Smith, FSA
4
, etc.), necessitaient pour la plupart un retard constant, cest-`a-
dire h(t) = h. Elles ont ete recemment etendues au cas de retards variables connus (voir chapitre 3), lhypoth`ese
est alors de disposer de la connaissance du retard en temps reel, ce qui est par exemple envisageable dans le cas
dun reseau ethernet gere par lutilisateur et donc modelisable.
Dans les autres cas, comme internet par exemple, la connaissance du (ou des) retard(s) ne peut etre quune
hypoth`ese decole. Pour prendre en compte cette meconnaissance, il est alors possible de faire appel `a des
conditions de stabilite qui sont independantes de la valeur du retard (independent-of-delay ou i.o.d). Ces
3
La stabilite exponentielle est complementairement developpee dans [130, 132].
4
Placement ni de spectre, en anglais Finite Spectrum Assignment.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T

EL

E-OP

ERATION 139
conditions i.o.d sav`erent souvent assez conservatives bien que, dans certains cas particuliers comme [39], les
resultats puissent permettre de traiter le cas de retards variables symetriques. Ce que nous appelons retards
symetriques correspond au cas o` u les retards de communication du Matre vers lEsclave et de lEsclave vers le
Matre sont egaux. On a alors h
1
(t) = h
2
(t) = R(t)/2, o` u R(t) est le temps mis pour parcourir toute la boucle
de communication (RTT, Round Trip Time). Une autre reference [61] consid`ere des retards non symetriques,
mais dans le cas de retards constants, cest-`a-dire h
1
(t) = h
1
,= h
2
(t) = h
2
.
Il est cependant preferable dutiliser des techniques dependantes des bornes du retard (d.d., delay-dependent
en anglais), dont les resultats tiennent compte dune borne maximale du retard (h
m
, telle que 0 h(t) h
m
).
Supposer la connaissance dune telle borne nest pas trop contraignant en pratique
5
.
Une solution possible [89, 90, 116] consiste `a introduire une memoire tampon (ou buer) qui force lentite
receptrice de linformation `a attendre jusqu`a ce que le retard maximal soit atteint. Linteret de cette tech-
nique est de compenser la gigue (cest-`a-dire de produire un retard constant). En revanche, il est evident que
cette strategie peut etre penalisante en terme de rapidite, voire meme de stabilite, puisque le retard est rendu
constamment egal `a sa valeur maximale h
m
. Il sera donc souhaitable, si lon utilise cette strategie de buer, de
pouvoir garantir une performance de rapidite de convergence. Il est preferable que cette performance ne soit
pas analysee a posteriori, mais quelle soit prise en compte d`es la phase de conception de la loi de commande.
Cette prise en compte netait pas explicite dans [89, 90]. Par ailleurs, ces travaux se limitaient au cas de retards
symetriques.
Hypoth`eses sur les retards, protocole et synchronisation GPS
Ce chapitre est dedie `a lutilisation dinternet comme lien de communication. Dans cette situation, on se
retrouve confronte `a des retards `a la fois variables, non symetriques et inconnus. En eet, il nexiste pas de
mod`ele dynamique representatif du reseau [112]. Il est seulement possible de supposer que les bornes maximales
des retards aller et retour h
im
sont connues. Linformation correspondante secrit : 0 h
i
(t) h
im
, avec i = 1
ou 2.
Nous ferons une deuxi`eme hypoth`ese qui, elle, concerne la variation des retards, `a savoir :

h
i
(t) 1. Ceci
signie que les paquets seront pris dans lordre chronologique de leur emission. Dans un contexte de commande
`a travers un reseau, cela veut dire que si un paquet de donnees est perdu, il nest pas re-emis. Nous utiliserons
pour cela le protocole UDP (User Datagram Protocol ).
UDP est un protocole de couche transport, donc comparable `a TCP (Transmission Control Protocol ) mais
qui, contrairement `a TCP, ne garantit pas larrivee des donnees (pas de re-emission) ni nassure leur remise dans
lordre. UDP nexclut donc pas que des paquets soient perdus. Dans notre situation, les paquets contiennent des
echantillons (sorties ou commandes). TCP imposerait dattendre quun paquet perdu soit re-emis et receptionne,
avant de pouvoir utiliser les paquets suivants, ce qui diminuerait les performances : il est preferable de prendre
en compte les donnees les plus recentes. En termes de retards, UDP sera donc moins penalisant que TCP.
Il faudra par contre que, sous UDP, les paquets soient remis dans lordre chronologique par le Matre et par
5
Cette borne nest pas garantie naturellement sur internet, mais vient ici de la strategie de commande. En eet, si le retard
devient trop grand, voire inni, `a cause dune trop forte congestion de reseau, la strategie Matre-Esclave nest plus adequate et on
doit utiliser une approche dierente, visant `a ne pas laisser lesclave sans controle : on doit alors commuter vers un fonctionnement
autonome de lesclave, fonctionnement degrade mais dont la stabilite sera garantie. La decision de commutation peut etre basee
sur une mesure de RTT comparee au retard maximal admissible. Dans un tel cas, cette borne maximale constitue linformation
souhaitee. Le chapitre 5 consid`ere plus en detail la majoration des retards.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
140 Chapitre 6. Applications
lEsclave, ce qui implique dassocier `a chaque paquet son instant demission (par ajout dune datation, ou time
stamp).
Cette datation, pour etre applicable `a la commande, demande la synchronisation temporelle des deux entites
Matre et Esclave. La solution technique proposee est basee sur lutilisation de balises GPS equipant les deux
parties et leur donnant acc`es `a la meme horloge (cest la seule fonctionnalite du GPS qui sera utilisee ici).
Les paquets contenant les informations de controle et de mesure, contiennent aussi un time stamp de linstant
auquel ils sont envoyes, cette information prenant le meme sens pour les deux entites. Ce dispositif permet la
mesure du retard, meme non symetrique, avec lequel le paquet arrive `a destination. Par ce biais, les retards
Matre vers Esclave h
1
(t) et Esclave vers Matre h
2
(t) sont separement reconstruits (et pas seulement le retard
de boucle RTT).
Prise en compte de lechantillonnage
Dautre part, limplantation nale des algorithmes est eectuee en temps discret et les eets de lechanti-
llonnage doivent donc etre pris en compte. Des travaux recents [22, 53] ont montre quun echantillonnage peut
etre assimile `a un retard additionnel variable dans le temps, de valeur (t) = t t
k
pour t
k
t < t
k+1
, o` u t
k
represente le k
i` eme
instant dechantillonnage. La Figure 6.4 illustre le cas periodique classique (t
k
= kT) pour
deux periodes dierentes.
Fig. 6.4 Echantillonnage periodique et retard (t) = t kT associe.
Cette facon de modeliser lechantillonnage presente trois avantages :
Elle permet de tenir compte dune periode dechantillonnage eventuellement non constante (le syst`eme
informatique peut produire un echantillonnage aperiodique), cest-`a-dire de considerer le cas o` u il nest
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T

EL

E-OP

ERATION 141
pas o` u il nexiste pas de periode constante T telle que t
k
= kT.
Elle permet aussi de tenir compte de la perte de paquets, qui revient `a un allongement de lintervalle
dechantillonnage (si le i
i` eme
echantillon t
i
est perdu, le retard dechantillonnage devient t t
i+1
au lieu
de t t
i
).
Son ecriture reste compatible avec les eets de retard de la ligne de transmission, sans ajouter de complexite
supplementaire.
Ainsi, la seule hypoth`ese que lon aura `a emettre consiste `a borner la periode dechantillonnage par une
valeur T que nous supposerons connue, ce qui signie que la relation 0 t
k+1
t
k
T est satisfaite.
Le retard global genere par la transmission et lechantillonnage peut secrire sous la forme
i
(t
k
) = h
i
(t)+tt
k
(avec i = 1 ou 2). Ainsi on peut remarquer que le cas

i
= 1 peut se produire presque partout (sauf aux instants
dechantillonnage o` u lon a, en theorie,

i
= ), comme illustre sur la Figure 6.4.
Probl`emes de commande induits
Les donnees echangees correspondent `a la commande, envoyee du Matre vers lEsclave, et `a la mesure de
la sortie, envoyee de lEsclave vers le Matre. Comme on la dit, lEsclave dispose dune puissance limitee et
cest la partie Matre qui doit assurer le calcul de la commande et la reconstruction de letat de lEsclave. Notre
objectif est de garantir des proprietes de robustesse et de performance du syst`eme global Matre-Esclave. En
particulier, le syst`eme global doit converger `a une vitesse minimale garantie quelle que soit la valeur des retards
de transmission. Cette performance globale du syst`eme sera obtenue en montrant la convergence exponentielle
(stabilite, etant le taux de convergence garanti), robuste vis-`a-vis du retard.
Garantir la stabilite exponentielle dun syst`eme de ce type nest pas une tache simple. En eet, le Matre
recoit les informations dont il a besoin pour elaborer la commande, seulement apr`es quelles aient traversees le
reseau. Ainsi le Matre calcule-t-il sa commande avec des valeurs de lEsclave perimees de h
2
(t). La commande
sera utilisee seulement une fois quelle aura ete recue par lEsclave, cest-`a-dire encore h
1
(t) secondes plus tard.
Finalement, lesclave recoit une commande calculee `a partir dune donnee retardee de h
1
(t) + h
2
(t), ce RTT
variable netant pas connu `a lavance.
Dans ces conditions, il devient interessant dameliorer linformation servant `a elaborer la commande, cest-
`a-dire de fournir une estimation de letat non retarde. Cest ici que nous utiliserons lestimation du retard h
2
(t)
(disponible grace au GPS) pour synthetiser un observateur permettant de reconstruire letat de lEsclave `a
linstant present (et non `a linstant o` u linformation a ete envoyee).
6.2.2 Conception de la commande du syst`eme
Presentation du syst`eme
La Figure 6.5 presente la structure plus detaillee du syst`eme Matre-Esclave developpe dans [134].
Rappelons les principes de ce syst`eme, completes par quelques hypoth`eses (sur le mod`ele de lEsclave :
LEsclave est suppose navoir quune puissance de calcul limitee et il ne lui est pas possible de calcu-
ler sa propre loi de commande. Le Matre calcule et lui transmet la commande `a appliquer. La trans-
mission ne se fait pas instantanement, les lignes de communication introduisent un delai h
1
(t). De
meme, lechantillonnage des donnees gen`ere un retard additionnel
1
(t). Le retard resultant est note

1
(t) = h
1
(t) +
1
(t) et sera precise ulterieurement (paragraphe 6.2.2).
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
142 Chapitre 6. Applications

Fig. 6.5 Structure du syst`eme Matre-Esclave.
Le mod`ele de lEsclave est un syst`eme lineaire commandable et observable, `a entree retardee et dont le
mod`ele (A, B, C) est connu, :
_
x(t) = Ax(t) +Bu(t
1
(t)),
y(t) = Cx(t).
(6.2.1)
LEsclave mesure sa sortie y(t) de mani`ere echantillonnee, information que le Matre recoit apr`es un retard
h
2
(t). Un autre retard
2
(t), induit par lechantillonnage, intervient aussi, ce qui signie que le Matre
na acc`es qu`a linformation y(t
2
(t)), o` u
2
(t) = h
2
(t) +
2
(t) correspond au retard resultant. Dans
le Matre, un observateur a ete implante ayant pour objectif de calculer une estimation de letat x(t) de
lEsclave au temps present, estimation notee x(t). Le Matre compose sa loi de commande, de type retour
detat, `a partir de cette estimation.
Les instants dechantillonnage t
k
ne sont pas forcement periodiques, cest-`a-dire quil nexiste pas de
periode T telle que chaque temps dechantillonnage verie t
k
= kT. En revanche, nous supposons que la
dierence entre deux instants dechantillonnage consecutifs est bornee par une valeur connue T, soit :
0 < t
k+1
t
k
T. (6.2.2)
Les deux retards
1
et
2
resultant des transmissions et des eets de lechantillonnage ont une borne
maximale connue
m
i
= h
m
i
+T, telle que la relation :
0 <
i
(t)
m
i
(6.2.3)
soit satisfaite et la variation de ce retard est contrainte par :

i
(t) 1, (6.2.4)
inegalite dont linterpretation a ete donnee dans lintroduction.
Chacune des entites Matre et Esclave dispose dune antenne GPS leur permettant de disposer dune
horloge commune. Chaque paquet envoye contient linstant o` u la commande (ou, respectivement, la mesure
de la sortie) a ete calculee (ou mesuree). Grace `a cette donnee, lentite qui recoit linformation connat,
d`es reception, le retard h
i
(t) avec lequel celle-ci a ete transmise.
Les parties suivantes presentent les composants du syst`eme et les notations qui leur seront appliquees :
(1) la modelisation des eets de lechantillonnage sous forme de retard
i
(t) ; (2) la loi de commande du type
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T

EL

E-OP

ERATION 143
Fig. 6.6 Echantillonnage non periodique.
retour detat lineaire statique ; (3) les deux retards de communication h
i
(t) ; et (4) lobservateur lineaire, de
type Luenberger, qui prend en compte les retards de transmission.
Retards dechantillonnage :
Dun point de vue pratique, le syst`eme global (comprenant le controleur, lobservateur, le reseau et le
processus) ne peut pas etre considere comme un syst`eme continu. Si les dynamiques de lEsclave sont rapides,
lechange continu de donnees entre lEsclave et le Matre necessiterait que le reseau ait une large bande passante
pour que le ux de donnees soit important. Ainsi, les paquets echanges ne peuvent fournir que des informations
en temps discret. Les eets de lechantillonnage resultant peuvent perturber la stabilite du syst`eme global et
doivent etre pris en compte dans la conception du controleur et de lobservateur.
A lieu de se concentrer sur une etude en temps discret (equations de recurrence), des travaux recents
[22, 53, 132] ont considere que le processus lechantillonnage-blocage sapparente `a un phenom`ene de `a retard.
En eet, lechantillon g(t
k
) dun signal g(t) `a linstant t
k
peut secrire : g(t
k
) = g(t [t t
k
]) = g(t (t)).
Cette notation permet de denir le retard correspondant `a lechantillonnage :
k
(t) = t t
k
, t [t
k
, t
k+1
[. La
Figure 6.6 presente un exemple de retard dechantillonnage variable.
Ainsi, un echantillonnage aperiodique se represente par un retard variable dont la borne superieure est la
valeur T denie par (6.2.2). Cette notation permet dappliquer au cas des syst`emes echantillonnes, les techniques
utilisees dans letude des syst`emes continus `a retards, et notamment lapproche par fonctionnelles de Lyapunov-
Krasovskii. Dans notre cas, nous denissons un retard (t) qui cumule le retard
k
(t) d u `a lechantillonnage et
le retard h(t
k
) genere par le reseau sur le paquet contenant le k
i` eme
echantillon. Pour tout signal g(t), ce retard
est de la forme :
g(t
k
h(t
k
)) = g(t h(t
k
) (t t
k
)),
= g(t (t)),
t
k
t < t
k+1
, (t) = h(t
k
) +t t
k
.
(6.2.5)
Loi de commande :
Le controleur calcule une commande qui sera envoyee et utilisee par lEsclave. La commande par retour
detat u(t) est calculee `a partir de lestimation de letat x delivree par lobservateur, soit :
u(t) = K x(t). (6.2.6)
La principale diculte theorique sera de determiner un gain K garantissant la stabilite (exponentielle) des
dynamiques de lEsclave en depit de la valeur du retard variable
1
(t). Rappelons `a nouveau que ce retard nest
pas connu par le Matre `a linstant o` u il calcule ou envoie cette commande (6.2.6).
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
144 Chapitre 6. Applications
Transmission de la commande :
Le k
i` eme
paquet envoye par le Matre contient la valeur de la commande u(t
1,k
) quil vient juste de calculer,
ainsi que la date t
1,k
de ce calcul. Ce paquet traverse alors le reseau et est recu par lEsclave `a un instant note
t
r
1,k
. Grace `a la synchronisation des horloges GPS, ce temps poss`ede la meme signication pour lEsclave et
pour le Matre. Ainsi t
r
1,k
t
1,k
correspond au retard de transmission et dechantillonnage, connu par lEsclave
d`es quil a recu le paquet.
Reception et traitement des donnees de commande :
La commande, envoyee par le Matre `a linstant t
1,k
, est recue par lEsclave `a linstant t
r
1,k
> t
1,k
. Elle sera
utilisee par le processus Esclave seulement `a linstant predeni, appele instant cible t
cible
1,k
= t
1,k
+ h
m
1
. La
duree dattente h
m
1
est representee Figure 6.7. Ceci est realisable puisque le delai de transmission est borne par
une valeur connue. De cette mani`ere, le Matre connat la commande u(t
1,k
) eectivement appliquee `a lentree
du processus Esclave `a linstant courant t
1,k
.

Transmission
du
paquet
Attente
Envoi
Commande
Temps
Evnements
T0
Rception
Commande
T0r
Traitement
Commande
T0c
Fig. 6.7 Traitement de la commande
Transmission de la sortie capteur :
LEsclave a acc`es `a sa sortie y de facon discr`ete. On procede de la meme mani`ere que pour la commande :
un paquet de sortie contient la valeur de la variable y(t
2,k
) ainsi que linstant t
2,k
, qui represente le k
i` eme
echantillon capte par lEsclave. Le Matre recoit ce paquet `a linstant t
r
2,k
. Une fois que le paquet a atteint le
Matre, celui-ci connat la valeur du retard t
r
2,k
t
2,k
grace `a lhorloge GPS.
Observation du processus :
Le mod`ele present dans le Matre est calcule en temps continu t, mais sa commande est echantillonnee.
Notons t
1,k
le k
i` eme
instant dechantillonnage de cette commande. Lindexation k

correspond `a linstant
dechantillonnage t
2,k
le plus recent qua recu le Matre `a linstant t. Lobservateur est alors deni comme
suit, pour tout t [t
1,k
+h
1m
, t
1,k+1
+h
1m
[ :
_

x(t) = A x(t) +Bu(t
1,k
) L[y(t
2,k
) y(t
2,k
)],
y(t) = C x(t).
(6.2.7)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T

EL

E-OP

ERATION 145
On remarque que le Matre connat le temps t
1,k
et la commande u(t
1,k
) (voir paragraphe 6.2.2), ce qui rend
lobservateur realisable. En utilisant la notation des retards denie dans (6.2.5), on peut ecrire :
_

x(t) = A x(t) +Bu(t


1
(t)) L[y(t
2
(t)) y(t
2
(t))],
y(t) = C x(t),

1
(t) = t t
1,k
,
2
(t) = t t
2,k
.
(6.2.8)
Les instants t
1,k
et t
2,k
, presents dans les equations de lobservateur, sont connus grace `a la synchronisation
des horloges des deux entites (et, pour t
1,k
, au buer qui permet de prevoir le retard). Les caracteristiques
du syst`eme permettent de connatre les bornes superieures des retards intervenant dans (6.2.8), `a savoir :

1
(t) h
m
1
+T et
2
(t) h
m
2
+T .
Conception des gains du controleur et de lobservateur
Un resultat preliminaire sur la stabilite exponentielle :
Les gains K du controleur (6.2.6) et L de lobservateur (6.2.7) doivent etre determines de facon `a garantir un
degre de convergence exponentielle le plus grand possible. La performance de rapidite sera alors assuree malgre
la presence des retards et de lechantillonnage. Ce paragraphe propose une condition de stabilite exponentielle
basee sur une adaptation de [130, 132].
Soit le syst`eme lineaire `a retards
i
(t) variables et bornes :
_
x(t) = A
0
x(t) +A
1
x(t
1
(t)) +Bu(t
2
(t))),
x(t) = (t), t [

h, 0],
(6.2.9)

i
(t) =
i
+
i
(t), avec [
i
(t)[
i
et
i
(t) 1, i 1, 2. (6.2.10)
On note que les retards poss`edent en general une borne inferieure
i

i
> 0 non nulle (cas appele non
small delays dans [55]). Le theor`eme suivant utilise une representation polytopique dependant des bornes des
retards. Les coecients qui vont denir les polytopes sont :
_

11
= e
(
1

1
)
,
12
= e
(
1
+
1
)
,

21
= e
(
2

2
)
,
22
= e
(
2
+
2
)
.
(6.2.11)
Un retour detat u(t) = Kx(t) conduit au syst`eme boucle suivant :
_
x(t) = A
0
x(t) +A
1
x(t
1
(t)) +BKx(t
2
(t)),
x(t) = (t), t [

h, 0].
(6.2.12)
Theor`eme 6.2.1 (Stabilite exponentielle) [132] Pour un gain matriciel K donne, le syst`eme (6.2.9) est
stable sil existe des (nn)matrices 0 < P
1
, P
2
, P
3
, S
k
, Y
k1
, Y
k2
, Z
k1
, Z
k2
, Z
k3
, R
k
et R
ka
, pour k = 1, 2
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
146 Chapitre 6. Applications
qui satisfont aux conditions LMI :

ij
=
_

1
P
T
_
0

1i
A
1
_
Y
T
1
P
T
_
0

2j
BK
_
Y
T
2
S
1
0
S
2

1
P
T
_
0

1i
A
1
_

2
P
T
_
0

2j
BK
_
0 0
0 0

1
R
1a
0

2
R
2a
_

_
< 0,
(i, j) 1, 2
2
,
(6.2.13)
_

_
R
k
Y
1k
Y
2k
Z
1k
Z
2k
Z
3k
_

_
0, k = 1, 2, (6.2.14)
P =
_
P
1
0
P
2
P
3
_
, Z
k
=
_
Z
k1
Z
k2
Z
T
k2
Z
k3
_
, Y
k
=
_
Y
k1
Y
k2
_
, (6.2.15)

1
= P
T
_
0 I
n
A
0
+I
n
I
n
_
+
_
0 I
n
A
0
+I
n
I
n
_
T
P +

2
k=1
_
_
_
_
Y
k
0
_
+
_
Y
k
0
_
T
+
k
Z
k
+
_
S
k
0
0
k
R
k
+ 2
k
R
ka
__
.
(6.2.16)
Demonstration. La demonstration est presentee dans le chapitre 2. Ce theor`eme est une adaptation du
Theor`eme 4.3.6 au cas des syst`emes `a entree echantillonnee et `a retards bornes.
Conception du gain de lobservateur :
Sachant que la paire (A, C) est observable, il est possible de determiner un gain L tel que letat x(t) de
lobservateur (6.2.7) converge exponentiellement vers letat non retarde x(t) du syst`eme. Le theor`eme qui suit
permet dobtenir ce gain L de facon `a ce que la convergence soit exponentielle et ce, malgre le retard variable

2
sur la sortie. Lerreur destimation, denie par e(t) = x(t) x(t), est regie par :
e(t) = Ae(t) LCe(t
2
(t)), (6.2.17)
Theor`eme 6.2.2 [134] On consid`ere lobservateur (6.2.8) et on suppose que, pour des reels positifs et ,
il existe des (n n)matrices 0 < P
1
, P, S, Y
1
, Y
2
, Z
1
, Z
2
, Z
3
, R, R
a
et une matrice X de dimensions
appropriees telles que les conditions LMI (6.2.18) et (6.2.19) soient satisfaites pour j = 1, 2 :
_

2
_

2j
XC Y
1

2j
XC Y
2
_

2

2j
_
XC
XC
_
S 0

2
R
a
_

_
< 0, (6.2.18)
_

_
R Y
1
Y
2
Z
1
Z
2
Z
3
_

_
0, , (6.2.19)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T

EL

E-OP

ERATION 147
o` u les constantes
2j
(j = 1, 2) sont denies en (6.2.11) et la matrice symetrique
2
est denie par :

2
=
_

11
2

12
2

22
2
_
,

11
2
= P
T
(A
0
+I
n
) + (A
0
+I
n
)
T
P +S +
2
Z
1
+Y
1
+Y
T
1
,

12
2
= P
1
P +P
T
(A
0
+I
n
)
T
+
2

Z
2
+

Y
2
,

22
2
= (P +P
T
) +
2
(Z
3
+R) + 2
2
R
a
.
(6.2.20)
Alors, la convergence exponentielle (vers 0 et `a taux ) de lerreur (6.2.17) est assuree grace au gain :
L = (P
T
)
1
W. (6.2.21)
Demonstration. La preuve vient du Theor`eme 6.2.1 applique au cas dun retard simple et pour le choix
P = P
2
= P
3
et X = P
2
L.
Remarque 6.2.3 Dans le theor`eme precedent, le retard
2
(t) (et plus particuli`erement les bornes
2
et
2
) sont
des param`etres imposes par le reseau et lechantillonnage. Notre objectif consiste donc `a jouer sur le param`etre
pour trouver la plus grande valeur de rendant les LMI faisables.
Conception de la loi de commande :
Ce paragraphe se concentre sur la determination du gain de la loi de commande par retour detat, u(t) =
Kx(t). Nous considerons pour linstant que lobservateur et parfait et delivre `a tout moment letat du syst`eme
reel, soit e(t) = 0 ou encore x(t) = x(t). Linuence des imperfections de lobservateur, qui correspond au cas plus
realiste e(t) ,= 0, sera etudiee dans le paragraphe suivant dedie `a la stabilite globale. On sinteresse nalement
au syst`eme en boucle ferme :
x(t) = Ax(t) +BKx(t
1
(t)), (6.2.22)
Theor`eme 6.2.4 [132] Supposons que, pour des reels positifs et , il existe des (nn)matrices symetriques
denies positives

P
1
,

S,

R,

R
a
et des matrices

P,

Z
1
,

Z
2
,

Z
3
,

Y
1
,

Y
2
, W de dimensions appropriees telles que
les conditions suivantes soient satisfaites pour i = 1, 2 :
_

3
_

i
BW

Y
T
1

1i
BW

Y
T
2
_

1
_

1i
BW

1i
BW
_

S 0

1

R
a
_

_
< 0, (6.2.23)
_

R

Y
1

Y
2


Z
1

Z
2


Z
3
_

_
0, (6.2.24)
o` u les constantes
1i
(i = 1, 2) sont denies en (6.2.11) et o` u, similairement `a (6.2.20), la matrice symetrique

3
est denie par les blocs :

11
3
= (A
0
+I
n
)

P +

P
T
(A
0
+I
n
)
T
+

S +
1

Z
1
+

Y
1
+

Y
T
1
,

12
3
=

P
1


P +

P
T
(A
0
+I
n
)
T
+
1

Z
2
+

Y
2
,

22
3
= (

P +

P
T
) +
1
(

Z
3
+

R) + 2
1

R
a
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
148 Chapitre 6. Applications
Alors, pour tout retard
1
(t) de la forme (6.2.10), la stabilite exponentielle (`a taux ) du syst`eme (6.2.22) est
assuree grace au gain :
K = W

P
1
. (6.2.25)
Demonstration. Partant du Theor`eme 6.2.1, on choisit P
3
= P
2
, o` u est un param`etre de reglage pouvant
ameliorer les resultats. On constate alors que la matrice P
2
nest pas singuli`ere du fait que la seule matrice qui
doit etre denie negative dans le deuxi`eme terme de la diagonale de (6.2.13) est (P
2
+P
T
2
). On denit alors :

P = P
1
2
et, pour toute matrice V P
1
, Y
i{1,2}
, S, R R
a
, Z
k{1,2,3}
, on introduit une nouvelle variable

V
donnee par

V =

P
T
V

P. Dautre part, on pose W =K

P. La demonstration se fait alors en multipliant (6.2.13)
`a droite par la matrice T
7
= diag

P,

P,

P,

P,

P,

P,

P et `a gauche par sa transposee T
T
7
. On multiplie aussi
(6.2.14) `a droite par T
3
= diag

P,

P,

P et, `a gauche, par T
T
3
.
Remarque 6.2.5 Comme precedemment, on cherchera `a maximiser le param`etre en jouant sur le param`etre
.
Stabilite globale du syst`eme commande en reseau :
La dynamique du syst`eme global (Matre, Esclave, reseau, echantillonnage et observateur), integrant les
gains K, L et les retards
1
(t),
2
(t), est donnee par :
_
x(t) = Ax(t) +BK x(t
1
(t)),
e(t) = Ae(t) LCe(t
2
(t)),
(6.2.26)
qui se developpe sous la forme :
_
x(t) = Ax(t) +BKx(t
1
(t)) BKe(t
1
(t)),
e(t) = Ae(t) LCe(t
2
(t)).
(6.2.27)
ou encore, en introduisant la nouvelle variable e(t) = colx(t), e(t) :

e(t) =

A
0
e(t) +

A
1
e(t
1
(t)) +

A
2
e(t
2
(t)), (6.2.28)
avec

A
0
=
_
A 0
0 A
_
,

A
1
=
_
BK BK
0 0
_
,

A
2
=
_
0 0
0 LC
_
. (6.2.29)
Le Theor`eme 6.2.1 permettra donc lanalyse de la stabilite exponentielle du syst`eme global. La conception
des gains K et L peut, quant `a elle, etre menee selon le mode operatoire suivant :
La premi`ere etape consiste en une phase danalyse et didentication des param`etres h
m
i
, T qui, `a leur
tour, fournissent les
m
i
et
i
denissant les caracteristiques de retard global.
Puis, le gain L de lobservateur se determine en appliquant le Theor`eme 6.2.2 au syst`eme (6.2.17).
De la meme facon, le gain K du retour detat se calcule par application du Theor`eme 6.2.4 au syst`eme
(6.2.22).
Une fois ces deux gains calcules, on verie la stabilite exponentielle globale du syst`eme Matre-Esclave en
utilisant le Theor`eme 6.2.1 pour le syst`eme (6.2.28). Ceci donne le taux garanti.
Remarque 6.2.6 Il est possible detablir un principe de separation dans le probl`eme de stabilite du syst`eme
(6.2.27).
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T

EL

E-OP

ERATION 149
6.2.3 Application au cas dun robot mobile
Cette etude est nalement illustree par un exemple de syst`eme tele-opere. Un robot mobile, dont les dyna-
miques sont decrites ci-dessous, est capable de se deplacer dans une direction. Ce robot correspond bien s ur au
processus Esclave `a commander `a distance. Une phase didentication prealable a conduit au mod`ele suivant :
_

_
x(t) =
_
0 1
0 11, 32
_
x(t) +
_
0
11, 32
_
u(t
1
(t)),
y(t) =
_
1 0
_
x(t).
(6.2.30)
On suit alors le mode operatoire propose precedemment. Les caracteristiques du retard de transmission combine
avec lechantillonnage conduisent aux valeurs (en secondes)
1
=
2
= 0.37s et
1
=
2
= 0.11s correspondant
`a la notation (6.2.10). Le Theor`eme 6.2.2 applique au syst`eme (6.2.17) assure la convergence exponentielle de
lobservateur vers la solution e(t) = 0 avec un taux = 1.05 (obtenu pour = 3.00) pour le gain dobservateur
suivant :
L =
_
0.9173
0.3187
_
. (6.2.31)
Le Theor`eme 6.2.4 applique `a (6.2.22) garantit que la loi de commande par retour detat stabilisera exponen-
tiellement le syst`eme vers sa consigne, avec un taux = 1.05 (obtenu pour = 3.43), pour le gain K suivant :
K =
_
0.9125 0.0801
_
. (6.2.32)
Enn le Theor`eme 6.2.1 garantit la stabilite du syst`eme complet (6.2.28) avec les gains L et K calcules
ci-dessus. Le taux garanti par ce theor`eme est nalement de = 0.7.
La Figure 6.8 montre des resultats de simulation obtenus avec des retards de la forme
i
(t) =
i
+
0.5
i
sin(
i
t) +
i
(t). Les param`etres
i
representent la frequence de la partie variable des retards ;
i
(t) est
une fonction continue par morceaux representant les eets de lechantillonnage et satisfaisant `a la condition
[
i
(t)[ 0.5
i
. Sur la Figure 6.8, letat en continu de lobservateur, x(t), correspond aux courbes continues,
tandis que les informations echantillonnees de lEsclave sont gurees par les donnees echantillonnees. La consigne
est un creneau. Les deux premi`eres secondes font apparatre leet de convergence de lobservateur. Passe ce
transitoire, le suivi de consigne est de meilleure qualite. La Figure 6.9 presente la commande echantillonnee qui
a stabilise lEsclave.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
150 Chapitre 6. Applications
0 2 4 6 8 10 12 14 16 18 20
5
0
5
10
15
time (s)
x
1
0 2 4 6 8 10 12 14 16 18 20
10
5
0
5
10
time (s)
x
2
Tasks
x
1
(t
k
)
x
est1
(t)
x
2
(t
k
)
x
est2
(t)
Fig. 6.8 Resultats en simulation.
0 1 2 3 4 5 6 7 8 9 10
6
4
2
0
2
4
6
time (s)
u
Commande chantillonne
Fig. 6.9 Commande (echantillonnee et retardee) appliquee `a lEsclave
6.2.4 Conception informatique
Cette section presente le programme implante dans chacune des deux parties, le Matre puis lEsclave [136].
Le protocole de communication utilisant des sockets suit une architecture Client/Server. Les deux processus
connectes par un lien internet ne sont pas traites de la meme mani`ere. Le Matre est le client lEsclave le server.
Dautre part, les deux entites ont des horloges synchronisees grace `a lutilisation de card GPS.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.2. APPLICATION
`
A LA T

EL

E-OP

ERATION 151
Structure du Matre
Le Matre est compose de quatre threads. Ces threads sont des programmes qui travaillent independamment
des autres parties du programme. Ils sont utilises dans cette application car ils permettent dexecuter des taches
en parall`ele dans le meme programme. Larchitecture du Matre est decrite dans la Figure 6.10.














CONSTHREAD
RECEIVETHREAD SENDERTHREAD
OBSERVERTHREAD
S
c(t)
u (t1,k ), t1,k u (t1,k ), t1,k+h1m
X(t0,q)
^
S
y (t2,k ), t2,k
Fig. 6.10 Structure du Matre
(a) OBSERVERTHREAD est consacre au calcul de lestimation de letat x `a linstant courant t
0,q
. Il travaille
avec une cadence rapide T
0
T. Linstant dechantillonnage t
0,q
correspond `a lechantillonnage de OBSER-
VERTHREAD. Il utilise la derni`ere valeur de sortie retardee y(t
2,k
) quil a recue de lEsclave et linstant t
2,k

auquel cette sortie a ete delivree. Il en est de meme pour la valeur de la commande u(t
1,k
) et de linstant
dimplementation de celle-ci t
1,k
. Ces donnees sont retrouvees dans une liste de valeurs passees de x et u. Puis,
le thread calcule le nouvel etat estime x(t
0,q+1
) grace `a la formulation discretisee (6.2.33) et la rajoute dans
la liste precedente. T
0
doit etre susamment petit pour obtenir des instants de commutation les plus proches
de t
2,k
. Le calcul de lestimation se fait de la mani`ere suivante pour i = 1, .., n et r = 1, .., p :
x
i
(t
0,q+1
) = x
i
(t
0,q
) +
_

n
j=1
A
(i,j)
x
j
(t
0,q
) +

m
s=1
B
(i,s)
u
s
(t
1,k
+h
1m
)

p
r=1
L
(i,r)
(y
r
(t
2,k
) y
r
(t
2,k
)))

T
0
,
y
r
(0, t
0,k
) =

n
i=1
C
i
x(t
0,q
)
(6.2.33)
(b) CONSTHREAD est un petit programme. Son role est de mettre `a jour la valeur de la consigne. La consigne
utilisee est un signal creneaux. Ainsi il sut de mettre `a jour la valeur de consigne periodiquement avec une
periode susamment large pour permettre au syst`eme de se deplacer jusqu`a cette valeur.
(c) SENDERTHREAD travaille periodiquement avec une periode T
0
T
1
T
s
. LEsclave na pas besoin
dun grand nombre de commandes. Son role est de recevoir les derni`eres valeurs de letat estime x(t
0,k+1
) du
thread de lobservateur. ensuite il calcule la valeur de commande u(t
1,k+1
) = K x(t
1,k+1
). Il regroupe alors
cette commande u(t
0,k+1
) et linstant du calcul de cette commande t
0,k+1
dans une liste qui sera utilisee par
OBSERVERTHREAD. Puis `a linstant t
1,k+1
, il envoie le paquet de commande le plus recent `a lEsclave.
(d) RECEIVERTHREAD est un programme qui agit de mani`ere evenementielle. Cela signie quil nest sollicite
que quand un paquet de sortie venant de lEsclave lui parvient. Il transmet les informations de lEsclave `a
OBSERVERTHREAD pour calculer lestimation de letat.
Structure de lEsclave
Comme nous lavons mentionne dans le paragraphe 6.2.2, lEsclave na quune capacite de calcul reduite.
Ainsi son role ne consiste simplement qu`a recevoir et `a appliquer la commande quil recoit du Matre mais
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
152 Chapitre 6. Applications
aussi `a recuperer les informations de sortie de lEsclave puis de les envoyer au Matre. La Figure 6.11 presente
la conception information de lEsclave.








RECEIVERTHREAD
SENDERTHREAD
Slave
Process
M
M
u (t1,k ), t1,k+h1m
y (t2,k ), t2,k
Fig. 6.11 Structure de lEsclave
Il est compose de deux threads :
(d) RECEIVERTHREAD est un thread evenementiel. De meme que pour le thread de reception du Matre, il
nest sollicite que lorsquil recoit un paquet. Il garde dans une liste les donnees de commande u(t
1,k
) jusqu`a
linstant cible associe t
1,k
+ h
1m
et, ensuite, linjecte dans lentree de lEsclave jusquau prochain instant cible
t
1,k+1
+h
1m
.
(b) SENDERTHREAD recoit la derni`ere donnee de mesure de lEsclave grace au capteurs y(t
2,k
) et conserve
le temps de reception de cette mesure t
2,k
. Ensuite il envoie ces donnees au Matre. Ce programme travaille
periodiquement avec une periode T
2
T
s
. T
2
doit etre susamment important pour eviter des phenom`enes de
congestion du reseau, ce qui augmente le retard h
2m
, mais aussi susamment petit pour garantir les perfor-
mances de lobservateur. Cependant, on remarque que toutes le valeurs de T
2
comprise entre 0 et T
s
peuvent
convenir puisque le gain de lobservateur est calcule `a partir des conditions LMI (6.2.2).
Details sur le contenu des paquets
Les paquets envoyes dune entite vers lautre contiennent plusieurs informations, que nous allons detailler
dans cette partie. Les paquets sont des elements du type my structure.h, qui correspond `a la denition des
structures du programme.
Les paquets de commande se presentent de la mani`ere suivante :
Paquet de commande
Numero de sequence
Heure denvoi
Commande :
_
Instant cible
V aleur de la commande
(6.2.34)
Dautres valeurs de commande prevues pour dautres instants cibles peuvent etre envoyees simultanement
dans la meme commande.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.3. COMMANDE DUN CHARIOT UTILISANT UN CAPTEUR CAM

ERA 153
Les paquets de sorties se presentent de la mani`ere suivante :
Paquet de sortie
Numero de sequence
position x
(vitesse x)
Heure denvoi
(Instant cible)
(6.2.35)
On peut aussi ajouter dautres informations telles que linstant cible de la derni`ere commande utilisee, la
valeur de cette commande et le retard mesure `a larrivee dun paquet de commande.
6.2.5 Conclusion
Lidee principale de notre strategie de commande consiste nalement `a concevoir un Matre qui travaille en
temps continu alors que lEsclave, lui, applique une commande discretisee et delivre une sortie echantillonnee.
Avec `a cette methode, lobservateur situe au niveau du Matre produit une estimation de letat courant du proces-
sus Esclave alors quil ne recoit de ce dernier quune information echantillonnee et retardee. Cette facon de mettre
en avant le fonctionnement en temps continu prolonge tout `a fait lidee que le phenom`ene dechantillonnage-
blocage peut etre traite comme un retard variable.
Une autre caracteristique de notre approche et de considerer des retards dont la borne minimale nest
pas obligatoirement nulle (bornes) et pour lesquelles les hypoth`eses sont peu contraignantes : retards non
symetriques, inconnus et variables. Un banc dessais est actuellement en cours delaboration pour controler,
depuis Lille, un robot mobile situe `a Montpellier.
6.3 Commande dun chariot utilisant un capteur camera
Dans cette partie, nous allons nous interesser `a lasservissement dun moteur en utilisant une camera en guise
de capteur des sorties. Une premi`ere partie du probl`eme du controle dune telle application consiste en une phase
dinterpretation des donnees delivrees par la camera. La camera eectue les captures dimage periodiquement,
ce qui induit un echantillonnage de la commande. De plus linterpretation des donnees capteurs en donnees
utilisables par le controleur induit un retard sur la sortie. Cette phase ne sera pas presentee dans ce memoire.
Notre objectif dans ce projet consiste `a determiner une commande qui assure un suivi de trajectoire du
moteur. Lutilisation de ces informations capteurs echantillonnees et retardees degrade les performances de la
commande pour la poursuite de trajectoire. On en deduit lidee de determiner un observateur qui, `a partir
de donnees echantillonnees et retardees, permette de delivrer une estimation en temps continu pour que la
commande du moteur conserve ces performances.
6.3.1 Deplacement motorise dun chariot
La maquette du pendule inverse 2D est constituee notamment dune table XY permettant de faire deplacer
un chariot sur un plan horizontal (Figure 6.13). Le deplacement est assure par deux moteurs de type brushless
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
154 Chapitre 6. Applications
avec variateurs, pilotes en +/-10V depuis un PC equipe dune carte dSpace R _ `a travers un amplicateur de
puissance. Chaque motoreducteur brushless de 200W est alimente en 240V mono, orant un courant maximal
de 15A et delivrant un couple nominal de 3.0Nm.
En ce qui concerne les essais temps reel des methodes didentication et de commande, nous considerons le
deplacement du chariot uniquement sur un axe en admettant selon le cas considere :
soit un retour dinformation par les codeurs de position/vitesse disponible sur le moteur (en pointilles sur
la Figure 6.12),
soit par linformation de la position du chariot delivree par un syst`eme de vision articielle (en trait uni
sur la Figure 6.12).

Capteur
Signal retour
(t
e
)
y
(non disponible)
u B x A x . . ' + =
x C y . =
u z
e
t N. Retard
Processus
(a)
(b)
Fig. 6.12 Presentation du pendule 2D avec capteur camera
6.3.2 Mod`ele du syst`eme `a commander
Lensemble amplicateur-moteur-chariot est approxime `a un syst`eme lineaire du second ordre deni par le
syst`eme suivant :
x(t) = Ax(t) +Bu(t),
y(t) = Cx(t)
(6.3.1)
o` u le vecteur detat, x est compose de la position est la vitesse du chariot, les matrices detat etant A =
_
0 1
0 1/
_
, B =
_
0
K/
_
et C =
_
1 0
_
, o` u K et sont respectivement la constante de temps et le gain
statique de lensemble amplicateur-moteur-chariot.
Lidentication des param`etres du processus a donne : = 10ms et K 2.5m/s/V .
6.3.3 Syst`eme de vision articielle
Dans le cadre dun asservissement visuel du chariot en position, linformation provenant des codeurs incre-
mentaux est consideree comme etant inaccessible. La seule information disponible sur levolution du processus
est alors celle delivree par un syst`eme de vision articielle qui observe le deplacement du chariot grace `a une
LED infrarouge xee sur celui-ci (Figure 6.13). Le syst`eme de vision est constitue dune camera CCD dote dun
ltre infrarouge, reliee `a un PC equipe dun logiciel de traitement dimage. Grace `a la camera situee au dessus
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.3. COMMANDE DUN CHARIOT UTILISANT UN CAPTEUR CAM

ERA 155
du chariot, une operation dextraction dobjet dans la sc`ene permet au syst`eme de vision de fournir sous forme
echantillonnee et retardee, la position du chariot. Ainsi nous considerons que la sortie du capteur visuel est :
z(t) = x

1
(t Nt
e
), (6.3.2)
o` u represente lechantillonnage `a linstant t
e
et N entier positif.

Fig. 6.13 Presentation du pendule 2D avec capteur camera
`
A noter que la periode dechantillonnage t
e
correspond `a la duree dune prise dimage et que le retard Nt
e
est associe au temps requis pour le traitement dimage(s) en admettant quil faut N images pour eectuer un
traitement.
6.3.4 Utilisation dun observateur predicteur
Dans le cas dun retour de sortie retardee (echantillonnee ou continue), il est possible denvisager la combi-
naison de lobservation et de la prediction pour generer directement letat actuel `a partir de linformation de
retour. La commande de ce syst`eme sera alors plus adaptee car elle utilisera de meilleures valeurs de letat. Dans
ce sens, nous proposons dutiliser un observateur/predicteur propose dans le Chapitre 5 sur lobservation des
syst`emes `a retards connus et dans [134] qui permet dobtenir une estimation continue de letat actuel `a partir
de la sortie retardee du processus.
Lobservateur de [134] sapplique dans le cas o` u la sortie du processus presente un retard et/ou un echantillon-
nage connu. Le principe de cet observateur est de considerer que lechantillonnage engendre un retard variable
de t t
k
o` u t
k
est linstant dechantillonnage le plus recent. La methode prend en compte des echantillonnages
aperiodiques, mais suppose alors que lintervalle entre deux echantillons est borne et que la valeur maximale T
est connue. Ainsi, 0 t t
k
T et le phenom`ene de retard lie `a lechantillonnage est note .
Par ailleurs, en considerant un retour par z

(t) qui engendre, par denition, un retard de R sur la mesure


de la sortie du processus, il convient decrire z

(t) = y(t

(t)) o` u (t) = R + t t
k
represente cette fois-ci le
retard global de la sortie. Ainsi, le phenom`ene dechantillonnage et celui du retard lies au capteur (par exemple
du syst`eme de vision articielle) sont ramenes `a un probl`eme de retard variable. Lidee est alors de considerer
un observateur Luenberger continu `a retard pour le processus :

x(t) = A x(t) +Bu(t) L(y(t (t)) y(t (t))),


y(t) = C x(t).
(6.3.3)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
156 Chapitre 6. Applications
Sachant que la paire (A, C) est observable, il est alors possible de determiner un gain lineaire L en utilisant le
Theor`eme 6.2.2 tel que lobservateur converge exponentiellement vers le processus en labsence du retard (t) =
R+tt
k
. Lobservateur garantit une estimation continue de letat x(t) meme entre les instants dechantillonnage
et, en considerant (6.3.1) et (6.3.3), le vecteur derreur e(t) = x(t) x(t) evolue selon :
e(t) = Ae(t) LCe(t (t)), (6.3.4)
Le theor`eme decrit dans [20] et dans [134] permet poser les conditions des LMI dont la resolution conduit `a
determiner le gain L.
6.3.5 Validation experimentale
Exemple de simulation
Considerons un exemple de simulation reetant la problematique decrite dans lintroduction generale :
lasservissement en position dun chariot par un retour visuel. Le processus considere (representant lensemble
amplicateur-moteur-chariot) est deni par (6.3.1) avec :
A =
_
0 1
0 120
_
, B =
_
0
350
_
, C =
_
1 0
_
. (6.3.5)
Par ailleurs, en considerant que la position du chariot est donnee sous forme retardee et echantillonnee, nous
prenons comme grandeur de retour, z(t) = x

1
(t Nt
e
), avec R = t
e
= 28ms (N = 1).
Nous utilisons un observateur qui a `a la fois le role dun observateur, cest-`a-dire quil permet de construire
une estimation de letat complet `a partir des donnees reduites de sorties, mais aussi de predicteur car il estime
letat courant du syst`eme en utilisant des informations de sorties retardees. La resolution des conditions des
LMI du Theor`eme (5.2.1) conduit dans ce cas `a :
L =
_
3.1225
0.0569
_
(6.3.6)
En ce qui concerne la commande, nous mettons en uvre un controleur continu par morceaux [19], qui
ne sera pas detaille dans ce memoire. En annexe gure larticle [20] dont sont tires les resultats suivants. La
commande est basee sur les valeurs suivantes :
=
_
0.1 0
0 0.2
_
, =
_
1 1
_
. (6.3.7)
La consigne detat imposee sur le processus est de la forme :
c(t) =
_
c
1
(t)
c
2
(t)
_
=
_
r sin(t)
r cos(t)
_
. (6.3.8)
Les resultats sont illustres par la Figure 6.14 pour un controleur cadence `a T = 10ms et par la Figure 6.15
pour T = 20ms (an de montrer le fonctionnement).
`
A noter que les composantes de la consigne sont retardees
convenablement an de permettre une meilleure lecture des courbes.
La poursuite de la consigne par letat du processus est illustree par les Figures 6.14a et 6.14c et les Figures
6.15a et 6.15b. Nous constatons que cette poursuite est realisee avec un retard de T et une concidence `a chaque
kT.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.3. COMMANDE DUN CHARIOT UTILISANT UN CAPTEUR CAM

ERA 157

Fig. 6.14 Simulation de la commande du moteur

(b)
(a)
(c)
-2
0
2
-200
0
200
0.3 0.32 0.34 0.36 0.38
-200
0
200
time, s
) ( ) (
1
t x t y =

) (
1 c
T t c
) (t u

) (
2 c
T t c
) (
2
t x

Fig. 6.15 Poursuite T = 20ms, a = 2 et = 38rad/s
Par ailleurs, la Figure 6.15b presente la sortie du capteur suivant sa consigne avec un retard de R, et les
Figures 6.14e et 6.15c representent la commande.
Enn, lestimation de letat est representee dans la Figure 6.14d. An de montrer la performance de lobser-
vateur/predicteur, nous donnons levolution de letat estime dans un cas o` u ses conditions initiales sont eloignees
de celles du processus Figure 6.16.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
158 Chapitre 6. Applications

0 0.5 1 1.5 2 2.5
-30
0
30
time, s
) ( ), (
1 1
t x t x

) ( ), (
2 2
t x t x

Fig. 6.16 Estimation de letat pour a = 2 et = 2rad/s
Processus reel
Nous avons realise le meme type dasservissement sur la maquette, en lui associant le mod`ele lineaire (6.3.1)
et en utilisant un retour par le syst`eme de vision, soit z(t) = x

1
(t Nt
e
). En eet, la prise dimage est
realisee par un mode reset qui permet de denir une periode dechantillonnage constante susamment grande
pour entreprendre lacquisition dune trame dimage et les calculs de traitement de limage necessaires. Ainsi,
R = t
e
= 28ms (N=1).
Les resultats montrent que la poursuite est realisee avec quelques deformations (Figures 6.17a et 6.17b).
6.3.6 Conclusion
Dans cette application, nous avons developpe un observateur detat pour un syst`eme dont la sortie est soumise
`a un echantillonnage et `a un retard connus. Cet observateur detat permet de delivrer les valeurs courantes
de letat permettant ainsi une meilleure poursuite de trajectoire. En eet, comme evoque precedemment, le
processus reel presente des non-linearites qui ne sont pas prises en compte par le mod`ele utilise pour denir la
loi de commande et par lobservateur, ce qui implique les deformations visibles dans les resultats experimentaux.
Une prochaine etape consisterait `a prendre en compte ces non-linearites aussi bien dans la synth`ese de la
commande et de lobservateur.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.4. COMMANDE RETARD

EE DUN PENDULE INVERSE 159



Fig. 6.17 Test de la commande sur le moteur reel
6.4 Commande retardee dun pendule inverse
6.4.1 Position du probl`eme
Dans cette section, nous allons nous interesser `a lexemple classique du pendule inverse. Nous supposerons que
le pendule est soumis `a un retard pur variable, cest-`a-dire que nous supposerons que seule lentree du syst`eme
est retardee. Cela peut sinterpreter comme un echantillonnage de la commande, comme un temps de reponse
non negligeable de lactionneur ou bien par lenvoi de la commande `a travers un reseau de communication.
Nous allons reprendre la formulation proposee dans le Chapitre 3 concernant la stabilisation exponentielle
des syst`emes non lineaires. Dans le paragraphe 3.2.3, nous avons discute du fait quun syst`eme non lineaire
peut etre modelise soit par un syst`eme polytopique ou par un syst`eme `a param`etres incertains sous reserve que
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
160 Chapitre 6. Applications
le syst`eme reste dans un espace borne de letat [140]. Il a ete montre que, dans le cas du pendule inverse, il
nexiste pas de loi de commande stabilisante globale. Nous proposons alors dans cette section de determiner une
borne superieure
2
du retard en entree pour lequel il existe une commande par retour detat u(t) = Kx(t) qui
stabilise le pendule inverse pour une partie de letat donnee.
Cette section sorganise alors de la mani`ere suivante. Premi`erement, nous proposerons une modelisation de
syst`emes `a param`etres incertains du pendule inverse. Cette modelisation dependant de la partie de lespace
detat considere. Ensuite nous etudierons la stabilisation de ce syst`eme `a laide de theor`emes presentes dans le
Chapitre 3.
6.4.2 Modelisation sous forme syst`emes de param`etres incertains
Reprenons alors les equations du pendule inverse donnee dans (3.2.6) apr`es changement de variables :
z(t) =
_

_
F
11
(z) mgl sin C(z
2
) 0 F
14
(z)
4(1+M/m)
l
2
D(z
2
)
0 0
2 cos z
2
l
2
D(z
2
)
0 0 0 1
2f cos z
2
D(z
2
)
0 0
f
D(z
2
)
_

_
z(t) +
_

_
0
0
0
1
_

_
u(t (t)), (6.4.1)
avec F
ij
sont des fonctions de letat z telles que :
F
11
(z) = (
1
2
ml sin z
2
x +K)
4(1+M/m)
l
2
D(z
2
)
,
F
14
(z) = (
1
2
ml sin z
2
x +K)
2 cos z
2
l
2
D(z
2
)
.
et avec
D(z
2
) = M +mmcos
2
.
On remarque que la matrice denissant la dynamique du syst`eme dependant des param`etres du syst`emes et
plus particuli`erement de langle z
2
et de la vitesse x du chariot.
Il est possible denvisager le fait que la vitesse du chariot est bornee. En eet le chariot est commande par
un moteur qui ne peut delivrer une puissance innie. On se propose alors de ce donner une borne superieure
x
max
de la vitesse du chariot dans ces les directions.
On se propose decrire les equations du pendule inverse sous forme dun syst`eme `a param`etres incertains :
z(t) = (A
m
+ A(z))z(t) +B
1
u(t (t)), (6.4.2)
avec
A
m
=
_

_
F
11m
F
12m
0 F
14m
4(1+M/m)
l
2
D
m
0 0
2
l
2
E
m
0 0 0 1
2fE
m
0 0 fD
m
_

_
, B
1
=
_

_
0
0
0
1
_

_
,
A(z) =
_

_
F
11
(z) F
12
(z
2
) 0 F
14
(z)
4(1+M/m)
l
2
D(z
2
) 0 0
2
l
2
E(z
2
)
0 0 0 0
2fE(z
2
) 0 0 fD(z
2
)
_

_
,
o` u les reels F
11m
, F
12m
, F
14m
D
m
et E
m
correspondent aux valeurs nominales, et les fonctions F
11
(z) =

1
(z)F
11d
, F
12
(z
2
) =
2
(z
2
)F
12d
, F
14
(z) =
4
(z)F
14d
, D(z
2
) =
5
(z
2
)D
d
et E(z
2
) =
5
(z
2
)E
d
sont les
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
6.4. COMMANDE RETARD

EE DUN PENDULE INVERSE 161


perturbations par rapport `a ces valeurs nominales. Les fonctions
i
(t) representent les perturbations variables
normalisees sur les param`etres (cest-`a-dire [
i
(t)[
1
). Les termes F
11d
, F
12d
, F
14d
, D
d
et E
d
representent
lamplitude des perturbations. Ils dependent de la partie de lespace considere. Nous supposons ici que les
fonctions de pertubations D(z
2
) et E(z
2
) varient de la meme mani`ere, ce qui se verient en regardant leur
denition.
Comme dans le Chapitre 3, on propose des matrices H
0
R
45
, E
0
R
54
et (t) R
55
telles que
A(z) = H
0
(t)E
0
et telles que :
H
0
=
_

_
1 1 1 0 0
0 0 0 1 0
0 0 0 0 0
0 0 0 0 1
_

_
, E
0
=
_

_
F
11d
0 0 0
F
12d
0 0 0
F
14d
0 0 0
4(1+M/m)
l
2
D
d
0 0
2
l
2
E
d
2fE
d
0 0 fD
d
_

_
,
(z) =
_

1
(z) 0 0 0 0
0
2
(z
2
) 0 0 0
0 0
4
(z) 0 0
0 0 0
5
(z
2
) 0
0 0 0 0
5
(z
2
)
_

_
.
6.4.3 Etude de la stabilisation du pendule inverse
Nous nous proposons dutiliser le Theor`eme 3.4.2 du Chapitre 3. En introduisant le changement de variable
z

(t) = e
t
z(t) et la commande par retour detat u(t) = Kx(t), les equations du syst`eme deviennent :
z

(t) = (A
m
+I
4
+ A(z))z

(t) +e
(t)
B
1
Kz

(t (t)), (6.4.3)
Dans ce cas precis, on dispose du theor`eme suivant, adapte du Theor`eme 3.4.2 :
Theor`eme 6.4.1 [130] La loi de commande par retour detat u(t) = Kx(t) stabilise exponentiellement, avec
un degre de convergence , le syst`eme (6.4.1), avec un degre de convergence , pour tout retard (t)
2
, sil
existe une matrice symetrique denie positive, de dimension 4 4, Q
1
et des matrices, de dimension n n, Q
2
et Q
3
de dimension n n, Y de dimension 1 4 et deux reels positifs et
0
qui satisfont aux conditions LMI
conditions pour i = 1, 2 :
_

_
Q
2
+Q
T
2

i
12
0
2
Q
T
2
0 Q
1
E
T
0
Q
3
Q
T
3

2

i
B
1
Y
2
Q
T
3
H
0
0

2
Q
1
0 0 0

2
Q
1
0 0

0
I
5
0

0
I
5
_

_
< 0, (6.4.4)
o` u

i
12
= Q
1
(A
m
+I
n
)
T
+Y
T
B

T
i
Q
T
2
+Q
3
,

1
= 1,
2
= e

2
(6.4.5)
Le gain du retour detat est alors donne par :
K = Y Q
1
1
. (6.4.6)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
162 Chapitre 6. Applications
6.4.4 Resultats
Nous avons choisi pour ces simulations les valeurs suivantes l = 0.3m, m = 0.6kg, M = 4kg, g = 9.8m/s
2
,
k = 0.3N.m, f = 0.1Ns/m.
Premi`erement on constate quil ny a pas de solutions possibles pour un choix de x
max
1 ou pour 1.05.
Le Tableau 6.1 presente les resultats donnes par le Theor`eme 6.4.1. Les valeurs qui compl`etent le tableau sont
les bornes maximales
2
en ms.

max
0 0.01 0.1 0.5 1 1.05
= 0 32.2 31.6 29.6 23.6 2 0
= 1 28.9 28.6 27.4 18.3 X X
= 2 26.7 26.6 25.2 1.0 X X
Tab. 6.1 Borne superieure maximale
2
du retard en fonction de
max
et de
6.4.5 Conclusion
Nous avons developpe dans cette section une commande par retour detat qui stabilise localement le pendule
inverse malgre un retard variable et inconnu en entree.
6.5 Conclusion
Dans ce chapitre, nous avons vu que les resultats theoriques presentes dans les chapitres precedents trouvent
leur justication dans la resolution de probl`emes physiques. Un crit`ere de stabilisation exponentielle demontres
dans le Chapitre 2 a ete utilise pour stabiliser la barre de torsion dont les equations dierentielles sont de types
retardee et neutre. Concernant le probl`eme de la commande `a distance `a travers un reseau de communication,
nous avons developpe une structure utilisant des informations GPS. Les theor`emes permettant la synth`ese
dun gain de commande (Chapitre 2 et 4) et dun gain de Luenberger (Chapitre 4 et 5) qui assurent la stabilite
globale du syst`eme malgre les retards variables de communication et dechantillonnage. Ensuite dans le cadre de
la poursuite de trajectoire dun moteur dont les sorties sont mesurees `a laide dun capteur camera, nous avons
developpe un observateur/predicteur en utilisant les resultats sur la stabilisation de syst`emes echantillonnes
(Chapitre 4) et sur lobservation (Chapitre 5) qui ont permis ameliorer les performances de la commande
developpees pour la poursuite de trajectoires. Enn les resultats sur la stabilisation des syst`emes non lineaires `a
retards (Chapitre 3) ont permis de developper des lois de commande qui stabilise exponentiellement et localement
le pendule inverse.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Conclusion generale et perspectives
Dans ce memoire, nous avons developpe des outils pour la commande et lobservation des syst`emes `a retards
variables. Nous avons propose des crit`eres de stabilite et de stabilisation exponentielles pour les syst`emes `a
retards variables et/ou inconnus, ce qui est encore assez rare dans la litterature. Nous les avons ensuite appliques
`a dierentes situations : observateurs `a vitesse de convergence garantie et dierents types de commande :
echantillonnee, en reseau, par retour visuel...
Dans un premier chapitre, nous avons presente les bases theoriques relatives aux syst`emes hereditaires et
quelques outils permettant leur analyse. Nous avons notamment rappele quelques resultats de stabilite
asymptotique bases sur une approche temporelle et sur les theor`emes de Lyapunov et valables dans le cas
o` u la borne inferieure des retards nest pas forcement nulle, cas que nous avons nomme retards bi-bornes
(non small delays dans la litterature anglophone). En labsence dinformations sur cette borne inferieure,
celle-ci est xee `a zero et on retrouve le cas des retards majores.
Les Chapitres 2 et 3 ont ete consacres au developpement de crit`eres de stabilite exponentielle des syst`emes
`a retards variables, respectivement dans les cas lineaire puis non lineaire. Nous avons propose des resultats
qui, dans le cas de retards constants, ameliorent ceux existants et qui, dans le cas de retards variables
majores ou bi-bornes ont permis detendre leur portee `a la stabilisation exponentielle avec un taux de
convergence garanti. Ces resultats ont montre notamment linuence de la borne inferieure des retards
variables dans la stabilite. Par la suite, il serait interessant dutiliser les recents travaux sur la discretisation
des fonctionnelles de Lyapunov-Krasovskii an de reduire encore le conservatisme des theor`emes enonces.
Le Chapitre 4 a propose une etude des syst`emes `a entree echantillonnee. Nous y avons presente une
approche par retard variable qui permet dassimiler ces syst`emes `a des syst`emes `a entree retardee. Les
retards qui en resultent sont representes par des fonctions continues par morceaux et dont la derivee
prend presque partout la valeur critique 1. Apr`es avoir demontre que les theor`emes classiques peuvent
etre etendus `a cette categorie de retards, nous avons propose des crit`eres de stabilisation asymptotique
et exponentielle robustes sappliquant aux syst`emes `a entree echantillonnee soumis `a des incertitudes
parametriques ou `a des non-linearites du type saturation.
Apr`es setre concentre sur le probl`eme de la commande, le chapitre 5 a ete consacre `a une etude de
lobservation des syst`emes `a retards variables. Dans un premier temps, nous avons propose des crit`eres de
convergence exponentielle pour des observateurs de type Luenberger et des retards variables connus. Pour
garantir les performances de lobservateur, un crit`ere de convergence exponentielle `a taux garanti a ete
163
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
164 Conclusion
enonce . Ensuite, nous nous sommes interesse au cas plus delicat des syst`emes `a retards inconnus. Nous
avons presente une synth`ese des outils concernant les observateurs `a entrees inconnues et les syst`emes `a
retards. Enn, nous avons etendu ces resultats en ajoutant `a nouveau des crit`eres de stabilite exponentielle.
Les resultats obtenus necessitent que le syst`eme `a observer verie des conditions structurelles restrictives
quil serait interessant de reduire. Neanmoins, en letat, ces resultats sont `a notre connaissance les premiers
du genre.
Enn, dans le chapitre 6, nous avons voulu montrer que nos resultats theoriques trouvent une justication
certaine au niveau experimental.
Nous nous sommes notamment penche sur le probl`eme de la commande `a distance `a travers un reseau
internet. Dans ce probl`eme, nous avons pris en compte `a la fois les probl`emes de retards variables (gigue)
apparaissant dans les lignes de communication, mais aussi de lechantillonnage des donnees echangees `a
travers le reseau ainsi que les pertes de paquets. Une approche originale, utilisant la synchronisation des
horloges par GPS, a permis de concevoir lensemble du syst`eme Matre-Esclave (commande - observation
- reseau).
Dautre part, nous avons presente une application concernant le probl`eme du suivi de trajectoire dun
moteur en utilisant un retour visuel qui induit un retard et echantillonnage des sorties.
Enn, nous avons propose une br`eve etude de la commande dun pendule inverse (mod`ele non lineaire)
dont lentree est soumise `a un retard. Cette etude a permis de mettre en avant leet du retard sur la
stabilisation locale du pendule inverse. Aujourdhui limitee `a une validation theorique et par simulation,
la commande obtenue devrait aussi etre implantee concr`etement.
Nous venons de mentionner plusieurs perspectives : aner les LMIs obtenues en utilisant le principe de
discretisation des fonctionnelles de Lyapunov-Krasovskii (Chapitres 2-3), relaxer les hypoth`eses structurelles
dans le cas des observateurs `a retards inconnus (Chapitre 5), implanter concr`etement la commande du pendule
inverse... Mentionnons pour nir une autre perspective qui concerne le sujet tr`es porteur des syst`emes controles
`a travers des reseaux de communication. Notre approche du chapitre 6 en constitue une premi`ere etape et, ici
encore, plusieurs pistes peuvent etre ouvertes, dependant notamment du type de reseau utilise. Il serait par
exemple possible de mieux tenir compte de la qualite de service disponible : en eet, le principe de la boucle que
nous avons concue demande de connatre le retard maximum du reseau. Plus cette connaissance est ne, plus
la commande sera dynamique. Dans le cas dinternet, cette borne reste dicile `a xer et il sera plus interessant
de denir des secteurs de variation des retards, conduisant `a une adaptation dynamique des gains.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Annexe A
Inegalites matricielles lineaires
A.1 Denitions et notations
Lidee de base de la methode LMI (abreviation anglaise dInegalite Matricielle Lineaire) est de formuler
un probl`eme (par exemple, la stabilite en boucle fermee avec ou sans contraintes supplementaires) comme un
probl`eme doptimisation avec un objectif lineaire et des contraintes LMI.
Une contrainte LMI sur un vecteur variable x de R
m
est de la forme [125] :
F(x) = F
0
+
m

i=1
x
i
F
i
0, (A.1.1)
o` u les matrices symetriques F
i
= F
T
i
R
NN
, i = 0, .., m sont donnees.
La notation suivante F > 0 (ou F 0) signie que la matrice F est denie positive (respectivement F
semi-denie positive). La contrainte F(x) 0 est une contrainte convexe en x, cest-`a-dire que lensemble
x R
m
: F(x) 0 est convexe. On dit que la LMI (A.1.1) est faisable si et seulement sil existe au moins un
vecteur

x R
m
tel que linegalite matricielle (A.1.1) est veriee.
A.2 Programmation semi-denie
Grace `a des outils comme Matlab par exemple, il existe des fonctions qui permettent de resoudre plusieurs
types de probl`emes LMI.
Les trois probl`emes de bases sont les suivants :
La faisabilite dun probl`eme LMI, comme il a ete signale auparavant, permet de determiner sil existe un
vecteur

x, qui verie la contrainte LMI F(x) 0.
Minimiser c
T
x par rapport `a F(x) 0, o` u c R
m
0, et F est une matrice symetrique et ane en x,
est appele un programme semi-deni (ou SDP pour semi-denite program). Le vecteur c denit lobjectif
du probl`eme et x R
m
represente la variable de decision.
Minimiser les valeurs propres generalisees. Il sagit ici de determiner le minimum dun param`etre , tel
165
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
166 Chapitre A. Inegalites matricielles lineaires
que le probl`eme LMI suivant soit verie :
_

_
C(x) < 0
B
j
(x) > 0 j [1, 2, ..., p]
A
j
(x) < B
j
(x) j [1, 2, ..., p]
, (A.2.1)
o` u x correspond `a lensemble des inconnues de linegalite matricielle, C, B
j
, A
j
sont des matrices ca-
racterisant une LMI dependant liberalement de x.
Lavantage majeur des SDP est que leur complexite est polynomiale, cest-`a-dire quil existe des algorithmes
qui permettent den calculer loptimum global (pour une decision xee a priori) en un temps de calcul polynomial
par rapport `a la taille du probl`eme.
A.3 Les theor`emes classiques
La diculte nest donc pas de resoudre une LMI. En eet les theor`emes issus des techniques du type Lyapunov
conduisent generalement `a des contraintes non lineaires qui secrivent sous la forme dequation de Riccati. Les
dicultes rencontrees proviennent de la transformation de ses contraintes non lineaires en formulation LMI.
Pour cela, nous disposons des lemmes suivants :
La transformation basee sur le complement de Schur est la methode la plus simple et la plus frequemment
utilise pour transformer des contraintes non lineaires en des contraintes LMI. Cette transformation est la sui-
vante :
Lemme A.3.1 (Complement de Schur) Soient trois matrices Q(x), S(x) et R(x) anes par rapport `a la
variable x, les matrices Q(x) et R(x) etant symetriques. La LMI :
_
Q(x) S(x)
S(x)
T
R(x)
_
> 0, (A.3.1)
est equivalente aux inegalites suivantes :
_
R(x) > 0
Q(x) S(x)R(x)
1
S(x)
T
> 0
(A.3.2)
Une autre transformation est decrite dans le lemme suivant :
Lemme A.3.2 [76] Pour toutes matrices A, P
0
> 0 et P
1
> 0, linegalite
A
T
P
1
AP
0
< 0,
est equivalente `a lexistence dune matrice Y telle que :
_
P
0
A
T
Y
T
Y A Y Y
T
+P
1
_
< 0.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Annexe B
Commande dun pulverisateur [3]
B.1 Introduction
In applications, a lot of systems exist with dead zones. Dead bands or zones are encountered in for example
robots and machine tools [94], [95], [147], hydraulic and pneumatic actuators [30], [124], in servo systems [138],
[117], parts of consumer products, like valves in cars [122], [152] etc. They can be put deliberately as for
example in so called overlap hydraulic or pneumatic valves, to ensure closure. These valves are used in mobile
applications such as earth moving equipment and farm machinery [18]. Very often dead zones are introduced by
friction phenomena [5] and deteriorate system performance. In the latter case, which is dealt in this paper, the
dead zone is mostly introduced by non-linear friction, more specically stiction. Several methods exist to handle
friction in control systems of which an overview is given by Armstrong et. al [5] and Olsson et. al [119]. They
range from friction compensation based on accurate determined models, robust control methods like sliding
mode e.g. [74], [158] or adaptive algorithms, identifying on-line the friction e.g. [62], [149]. Typically for friction
models is that they contain a discontinuous term, which changes in a discontinuous way with the velocity [5],
[119] e.g. a constant multiplied by sign(v) which is often called Coulomb friction. The function sign is dened
as :
sign(v) = 1, v > 0sign(v) = 0, v = 0sign(v) = 1, v < 0 (B.1.1)
where v is the velocity (translational or angular) of the mass on which the control input and the friction
is acting. Most friction compensation methods that dont require an accurate friction model contain a dis-
continuous term in the control law in order to obtain one unique equilibrium instead of multiple equilibrium
points. Southward [138] added in his control law a term which is discontinuous in the position, which is often
performed in position control systems with stick-slip and proved to have only one unique stable equilibrium
point. Actually, he created a system with two discontinuities as remarked by Young [159]. Young studied the
theoretical implications of such a control law in which the discontinuities were simple sign functions.
In this paper a pressure control system is studied, containing a dead zone and a discontinuous time varying
delay. The control law starts from the same simple methodology, often used in practice, which includes a
discontinuous term for dead zone compensation. The discontinuity of the control law changes with the sign of
the velocity, resulting in only one discontinuity in the system. Normally, in systems where such simple dead-zone
compensation methods are used, after compensation of the dead band, the control law is constructed based on
167
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
168 Chapitre B. Commande dun pulverisateur [3]
accumulateur
manomtre
pompe
vane
soupape
de dbit
rservoir
section de pulvrisation
capteur de presion
lectronique
tuyau
flexible
p
n
p
cuve
Fig. B.1 Schematic representation of the pressure control system
rules of linear control. On the example of the pressure control system, it is shown that the rules of thumb, which
are used for linear control are not valid anymore in case of dead zone compensation.
In a rst section, the pressure control system is presented and described by an elaborate mathematical model.
This model is reduced for controller design. The control law, discussed in the next section, is based on a simple
dead zone compensation and a Kalman predictor. In next section, stability is analyzed by applying theory of
sliding mode control. Stability and attraction of the switching line is proved. The control law is applied to a
practical set-up and conclusions are drawn.
B.2 Description of the system
Figure (B.1) shows the lay out of the system. It is actually one section of an agricultural spray boom for
application of herbicides and fertilizer to the plants. A pump, containing two pistons, operating in anti-phase,
feeds the circuit. Pressure peaks, resulting from fast activation of valves or originating from the pulsating ow
of the pump, are attenuated by the accumulator. The closing valve allows to switch o rapidly spraying without
turning o the pump. The pressure at the nozzles is regulated by a ow control valve by adjusting the opening
to the return. A long exible conduct links the pressure control valve with the metal conduct, on which the
nozzles are mounted. An electronic transducer measures the pressure at the entrance of the metal conduct. This
is the pressure of interest which is measured and should be controlled. The system is secured by a check valve,
limiting the pressure to 7bar.
B.3 Modelling of the system
The ow control valve is operated by an electrical 12V dc motor of which the electrical behavior is governed
by :
L

i +Ri +Bl x
1
= u (B.3.1)
in which L is the inductance, i the current, R the resistance of the wires, Bl the torque or electromotive
force constant, x
1
the position of the valve and u the input voltage. The ow control valve is actually a ball
valve of which the equations of motion of the ball are described by :
I x
1
+C x
1
= f
fric
(i, x
1
) (B.3.2)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
B.3. MODELLING OF THE SYSTEM 169
The ball valve exhibits considerable friction with the housing. This friction is captured in equation (B.3.2)
by a simple friction model consisting of a viscous term C x
1
and a discontinuous term f
fric
(i, x
1
) including
stiction and the Coulomb part of the friction [5], [119] which can be modelled as :
f
fric
(i, x
1
) = Bli F
c
sign( x
1
) if [ x
1
[ > 0
f
fric
(i, x
1
) = Bli F
s
sign(i) if x
1
= 0&[Bli[ F
s
f
fric
(i, x
1
) = 0 if x
1
= 0&[Bli[ < F
s
(B.3.3)
where F
c
is the constant force counteracting the motion of the valve when it is moving and F
s
the stiction
force with F
c
F
s
.
Normally, the behavior of a conduct should be described by a partial dierential equation. The dynamics of
the metal conduct is negligible to the dynamics of the exible conduct. A description by a set of linear ordinary
dierential equations provides a reasonable approximation, for the exible conduct behavior. Such descriptions
can be obtained quite easily by for example linear black box identication methodologies :

X
2
= A
l
X
2
+B
l
x
3
(B.3.4)
where X
2
are the states of the conduct (having no physical meaning), x
3
the pressure directly after the
ow control valve (Figure B.1), A
l
and B
l
constant system matrices. The pressure y at the end of the exible
conduct (Figure B.1) is calculated by :
y = C
l
X
2
+D
l
x
3
(B.3.5)
in which C
l
and D
l
constant system matrices. Pressure y has to be controlled as stated in the previous
section.
The accumulator maintains a pressure equilibrium between the uid pressure and air pressure which are
separated by a diaphragm. The behavior of the air can be described by a polytropic process [17] :
x
3
V

= constant (B.3.6)
where V is the volume occupied by the air. For relatively low pressures, as is the case here, air behaves like
an ideal gas such that in case of slow increasing pressure, the change of the state can be considered isothermal
with = 1. For fast uctuating pressures around an equilibrium pressure, there is no time for the uid to
exchange heat, such that the change of the state of the air can be considered adiabatic or isentropic with
equal to the specic heat ratio of air, which equals approximately 1.4. By deriving equation (B.3.6), the uid
ow entering the accumulator can be computed.
Liquid ows q through restrictions such as valves and nozzles are often turbulent and proportional to the
square root of the pressure drop p [102] :

p = R
hyd
q (B.3.7)
with R
hyd
a constant representing the hydraulic resistance. From the conservation of mass, the state equation
of the pressure x
3
is derived :
x
3
= K
acc
(10
5
+x
3
)
(
1

+1)
_

x
3
f
return
(x
1
(th))

C
l
x
2
+D
l
x
3
R
n
+K
p

2
[ sin(t +)[
_
(B.3.8)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
170 Chapitre B. Commande dun pulverisateur [3]
where K
acc
grouping some constants of the accumulator and R
n
the resistance of the nozzles. Function
f
return
(x
1
(t h)) is the resistance of the ow control valve, which is of course dependent on the angle of the
ball of the valve. For ease of construction, the motor support of the valve is connected to the housing through
pins encapsulated by rubber, resulting in some compliance between the motor support and the housing. This
causes a variable but bounded time delay h of which the value changes whenever the motor switches direction.
For one direction, the time delay equals approximately 0.23s and for the other 0.15. Term K
p

2
[ sin(t + )[
represents the ow rate delivered by the piston pump of which the nominal ow equals K
p
.
The entire model, consisting of state equations (B.3.1), (B.3.2), (B.3.4) and (B.3.8) with output (B.3.5) has
been validated and is used as an evaluation model.
For controller design a simpler model is derived. Assuming a small inductance L, small inertia I and fast
accumulator and exible conduct dynamics, the system described by equations (B.3.1), (B.3.2), (B.3.4) and
(B.3.8) is a singular perturbed system [81]. From equations (B.3.1), (B.3.2), (B.3.4) and (B.3.8) the quasi-
steady-state or slow model is derived :
x
1
= K
m
f
d
(u)

y =
x
1
(th)+
x
1
(th)+
0 h
min
h h
max
(B.3.9)
in which K
m
=
Bl
RC+Bl
2
. It is easy to see that when the moment of inertia I = 0, the angular velocity x
1
changes sign with the applied voltage u and x
1
equals zero whenever u = 0. Based on these considerations f
d
(u)
is a simplied version of equation (B.3.3) :
f
d
(u) = u c
0
sign(u) if c
1
[u[,
f
d
(u) = 0 if c
1
> [u[,
and 0 c
0
c
1
.
(B.3.10)
where c
0
= F
c
R/Bl and c
1
= F
s
R/Bl. The lower part of equation (B.3.9) is obtained from equation (B.3.8)
by setting x
3
= 0 and approximating f
return
(x
1
(t h)) by a linear function :
f
return
(x
1
(t h)) = b
return
x
1
(t h) +c
return
(B.3.11)
with b
return
and c
return
regression constants. In reality f
return
(x
1
(t h)) is rather quadratic than linear.
Table (B.1) claries constants , and . The average ow rate of the pump K
p
has been taken into account
of equation (B.3.9).
Based on the slow dynamics of the system, represented by equation (B.3.9), a control law will be designed.
Stability of the control law on the slow model is proved. No hard proof will be provided about the stability
of the complete system, only some indications will be given, but practice proves its stability. About, singular
perturbed systems with time delay only some results are available for the linear case [48], [78]. For nonlinear
systems, nothing was found by the authors of this paper.
B.4 Control law
In order to stabilize the state equation in (B.3.9), the rotation angle of the valve should be known. The
valve doesnt contain a measurement system to determine the rotation angle, such that only the delayed state
x
1
(t h) is available from the output

y.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
B.5. STABILITY ANALYSIS 171
Tab. B.1 Constants, , and

R
n
K
p
R
n
K
p
c
return
b
return
R
n
+

D
l
C
l
A
1
l
B
l
c
return

D
l
C
l
A
1
l
B
l
b
return

x
1
(t) = K
m
f
d
(u) +E(x
1
(t h) x
1
(t

h)) (B.4.1)
where x
1
is an estimate of the state x
1
,

h an average of the real delay h and E the Kalman gain. Actually,
equation (B.4.1) can only have an interpretation of a Kalman lter if h =

h. Normally, in case of a Kalman
lter, E is determined based on the noise properties of the process. As shown later, gain E is determined on
stability considerations.
Other predictor methods have been tested, based on convolution like integral expressions [101] but they
lacked stability. In literature [123], it is known that these methods of nite spectrum assignment are sensitive
to parametric uncertainties or variations, which is the case for this example.
Based on the prediction of the state x
1
, the control law is constructed :
u = u
d
sign( x
1
(t)

p
d

p
d

) a( x
1
(t)

p
d

p
d

) (B.4.2)
The term

p
d

p
d

is the desired rotation angle, calculated back through the second part of equation (B.3.9)
by replacing y by the desired pressure p
d
. Constants a and u
d
are design parameters. Note that this is a very
simple control law, which is often found back in practical control systems. It is based on the idea of pole
placement, in which K
m
a is the nal pole location, when the dead zone is compensated perfectly and c
1
= c
0
equal u
d
. With the same train of thought, the location of E is selected. Following a rule of thumb in observer
pole placement E should be 5 to 10 times faster (larger) then a. In what follows, it is shown that this way of
controller and observer design is far from optimal and that it is better to take, contrary to the rule of thumb,
E smaller than a in order to avoid instability. Furthermore, u
d
is considered as a design constant rather then a
compensation parameter.
B.5 Stability analysis
The control law of equation (B.4.2) has the nature of a variable structure system, imposing a sliding mode
if the sliding surface is attractive and stable. The stability of the system will be analyzed by the method of
equivalent control and a Lyapunov function [146].
From equation (B.4.2) the sliding surface s(t) can be derived :
s(t) = x
1
(t)

p
d

p
d

(B.5.1)
It is important to note that the control law of equation (B.4.2) imposes a sliding mode on the predictor
instead of the real system. The equivalent control is deduced from equation (B.5.1) by deriving s(t) and assuming
sliding such that s(t) is zero :
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
172 Chapitre B. Commande dun pulverisateur [3]
u
eq
=
E
K
m
(x
1
(t h) x
1
(t

h)) (B.5.2)
In case the system is in sliding mode at time t

h, x
1
(t

h) can be replaced by x
d
where x
d
is the desired
pressure, which is the second term of the right hand side of equation (B.5.1). In the application, for which the
system is used, it may be assumed that the desired pressure is at least piecewise constant or changes so slowly
that the derivative of x
d
is zero. Note that it is tempting to write the equivalent control as :
u
eq
c
0
sign(u
eq
) =
E
K
m
(x
1
(t h) x
1
(t

h)) (B.5.3)
which is wrong. Once on the sliding manifold, the control takes on two values u
d
and u
d
and has the
character of a pulse width modulated (PWM) signal [38]. The equivalent control u
eq
gets the interpretation of
the slow continuous component or the ltered version of the PWM signal. As the sign function depends on the
sum of the fast and slow components of the control signal, it just lowers the amplitude of the PWM signal u
d
by c
0
. Therefore, during sliding the following relation is valid [146] :
u
d
+c
0
u
eq
u
d
c
0
(B.5.4)
The control law of equation (B.4.2) guarantees that the relation c
1
[u[ is always satised, such that the
state equation in (B.3.9) reduces to :
x
1
= E(x
1
(t h) x
1
(t

h)) (B.5.5)
It is striking that during sliding, the dynamics of the system is governed by gain E of the predictor and
not by gain a of the control law in equation (B.4.2). By the simple reasoning of perfect compensation and pole
placement, a was faulty thought to determine the closed loop pole. In order to ensure a stable sliding mode,
constant E should be determined such that equation (B.5.5) is stable. The state in equation (B.5.5) contains a
time delay h, which changes by altering the direction of x
1
(t). In the worst case, h may change discontinuously
such that proper selection of gain E is not straightforward. Next theorem provides a necessary and sucient
condition for E such that equation (B.5.5) is stable.
Theorem B.5.1 Assuming E 0, the system in equation (B.5.5) is stable with bounded delay : h h
max
if
and only if :

2h
max
> E, (B.5.6)
Proof :
The poles of equation (B.5.5), determining the stability of the system, are obtained by solving following
equation :
= Ee
h
(B.5.7)
Splitting in its real
r
and its imaginary part
i
and lling in in equation (B.5.7) delivers :

r
+j
i
= Ee

r
h
(cos(
i
h) j sin(
i
h)) (B.5.8)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
B.5. STABILITY ANALYSIS 173
Equating the real and imaginary parts of from equation (B.5.8) renders :

r
= Ee

r
h
cos(
i
h) (B.5.9)

i
= Ee

r
h
sin(
i
h) (B.5.10)
The system is stable if and only if
r
< 0 and marginally stable if and only if
r
= 0. Marginal stability is
obtained from equation (B.5.10) when cos(
i
h) = 0 or :

i
h =

2
+k2 (B.5.11)
where k is an integer number. The larger h, the smaller
i
should be in order to preserve stability. So the
worst case is when h = h
max
. Filling in the pole with smallest imaginary part in absolute value in equation
(B.5.10), enables to compute E, which gives rise to marginal stability :
E =

2h
max
(B.5.12)
Therefore, in order to avoid marginal stability and assure stability, E should satisfy equation (B.5.6).

Comment 1 : Very often, stability of time delay systems is proved by using Lyapunov-Krasovskii functionals
[86] from which LMI constraints are derived, which should be satised in order to guarantee stability. From these
LMIs, controller gains are calculated, providing conservative controllers as the LMI constraints are sucient
but mostly not necessary for stability. This is for example performed by Fridman et al. [53]. Solving their LMI
conditions renders a more conservative condition on E :
1
h
max
> E (B.5.13)
Comment 2 : Stability of equation (B.5.5) is only a necessary condition for staying on the switching line.
During sliding, the relationship of equation (B.5.4) needs to be satised. Because of overshoot and large past
values (x
1
(t h) x
d
(t

h)), the system may jump from the sliding line. Later on, it is shown that once the
system is in sliding mode, it remains in sliding mode whenever equation (B.5.13) is fullled.
Comment 3 : As the observer is in sliding regime, the equivalent control u
eq
was calculated from the observer
equations (B.4.1), which is based on a model of the system. A model is never an exact representation of reality,
such that dead zone parameter c
0
, dened in equation (B.3.10), may dier by
c
0
from the dead zone parameter
c

0
of the real system :
c

0
= c
0
+
c
0
(B.5.14)
In case there is a mismatch
c
0
, the following theorem indicates how to adopt the gain parameter E in order
to assure stability.
Theorem B.5.2 In case a mismatch
c
0
exists, E needs to satisfy :
E <
(u
d
c
0
)
2h
max
(u
d
c
0
+[
c
0
[)
(B.5.15)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
174 Chapitre B. Commande dun pulverisateur [3]
Proof : During sliding, the predictor as well as the real system get the same PWM signal as input varying
between u
d
. After the dead zone of the predictor and the real system, the PWM signal is lowered by c
0
respectively c

0
. As the predictor is in sliding mode, the intended equivalent control u
eq
, given in equation
(B.5.2), is the slow component of the PWM signal after the dead zone of the predictor. The slow signal entering
the real system after the dead zone, which is actually the eectively applied equivalent control u

eq
, is apart
from its amplitude exactly the same as u
eq
and is given by :
u

eq
=
E (u
d
c

0
)
K
m
(u
d
c
0
)
(x
1
(t h) x
d
(t

h)) (B.5.16)
By comparing equation (B.5.2) and (B.5.16), the eectively applied feedback gain E

can be calculated :
E

=
E (u
d
c

0
)
(u
d
c
0
)
(B.5.17)
To ensure stability of the system during sliding, instead of equation (B.5.6), the following equation needs to
be satised :
E

<

2h
max
(B.5.18)
Note that c

0
is not known such that
c
0
is only a guess of the size of the mismatch between c

0
and c
0
.
Consequently the worst case c

0
needs to be investigated which is c
0
[
c
0
[. Combining the worst case c

0
and
the equations (B.5.17) and (B.5.18) renders (B.5.15).

Attraction of the sliding line, given by equation (B.5.1), is performed in the next theorem.
Theorem B.5.3 Let the delay of the system and observer satisfying h,

h h
max
. The sliding line s(t) given
by equation (B.5.1) is attractive for the control law in equation (B.4.2), if the size of the delay h only changes
by the change of the direction of the angle x of the control valve.
Proof :
In order to prove attraction to the sliding line (B.5.1), a well known ([146]) Lyapunov function V is employed :
V =
1
2
s
2
for which one has to show that the following is satised :

V = s s < 0. (B.5.19)
Elaboration of equation (B.5.19) combined with equations (B.4.1) and (B.4.2) renders :

V (t) = ( x
1
(t) x
d
)[K
m
(u
d
c
0
)sign( x
1
(t) x
d
)
aK
m
( x
1
(t) x
d
) +E(x
1
(t h) x
1
(t

h))].
(B.5.20)
Initially, it is assumed that the set-point x
d
is not changed. Afterwards the general case of set-point changes
will be discussed.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
B.5. STABILITY ANALYSIS 175
The case when

V (t) 0 is satised, is only possible if the terms ( x
1
(t) x
d
) and (x
1
(t h) x
1
(t

h))
have the same sign. Lets assume for the moment that

V (t) > 0, it will be shown that there is a time instant
when

V (t) becomes negative and remains negative until the sliding line is reached.
Assume s s > 0 and :
( x
1
(t) x
d
) > 0, (x
1
(t h) x
1
(t

h)) > 0. (B.5.21)


x
1
(t

h) > x
d
(B.5.22)
The situation when equation (B.5.22) is not satised but assumption (B.5.21) still holds is not interesting as
this implies, by the continuity of x
1
(t), automatically the attraction of s(t). As the above assumptions indicate
instability, the system diverges from the sliding line, implying by equation (B.4.1) an increase of ( x
1
(t) x
d
).
According to equations (B.5.21), (B.3.9) and (B.4.2), x
1
(t) < 0. Knowing that the delay h is bounded by h
max
,
there needs to be a time instant t
1
when term (x
1
(t h) x
1
(t

h)) starts to decrease, rendering s s < 0. In


case ( x
1
(t) x
d
) decays faster then (x
1
(t h) x
1
(t

h)), there might be again a situation when s s > 0, such


that the distance ( x
1
(t) x
d
) enlarges again. However, as
x
1
(t h) > x
1
(t

h) > x
d
(B.5.23)
and s(t) = 0 has not been satised yet, the time delay h didnt change such that from t
1
, x
1
(t h) is
decreasing. Therefore, there needs to be a time instant when (x
1
(t h) x
1
(t

h)) < 0 and therefore s s < 0.


By assumption (B.5.22) and equations (B.3.9), (B.4.2) this situation remains until s(t) = 0.
The case when s s > 0 and :
( x(t) x
d
) < 0 (x(t h) x(t

h)) < 0, (B.5.24)


can be treated in an analogous way.
Now, changing set-points x
d
are tackled. In case the distance [ x(t) x
d
[ is enlarged, s s, given by equation
(B.5.20) becomes smaller, which is favorable for the stability. In the other case, the distance to the sliding line
is made articially smaller and equation (B.5.20) becomes larger and probably positive. However, as shown
earlier in the proof, when the set-point is not changed, equation (B.5.20) will become by itself smaller, unless
the set-point x
d
is changed such that [ x(t) x
d
[ is reduced again, bringing the system closer to the sliding line.
This indicates that by changing set-point values, the system cannot be destabilized.

Comment 1 : The estimation of the delay has no inuence on the stability. Based on performance conside-
rations, it is better to have a good estimate of the delay in order to minimize the time interval when s s > 0.
Comment 2 : Theorem B.5.3 doesnt provide any advise on the value of design constant a. From equation
(B.5.20), it is clear that a should be positive and as large as possible in order to satisfy s s > 0. In practice, a
cannot be selected arbitrarily large and should be determined taking into account possible actuator saturation.
Comment 3 : The proof of theorem B.5.3 advises in equation (B.5.20) to select constant a larger than E.
By perfect dead zone compensation, which can never be realized in practice, the control law given by equation
(B.4.2) has a pole placement interpretation where a determines the closed loop poles of the system and E the
poles of the observer. In such a linear pole placement control strategy with observer, selecting a larger then
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
176 Chapitre B. Commande dun pulverisateur [3]
Tab. B.2 Simulation parameters
u
d
= 2.4 (V) K
m
= 1.71 (

/(Vs)) c
0
= c
1
= 1.5 (V)
h
min
= 0.15 (s) h
max
= 0.23 (s) = 1.5910
3
(

Pa/

)
= 1.0410
5
(

Pa) = 53.9 (

)
8 10 12 14 16 18 20
1.8
2
2.2
2.4
2.6
2.8
3
3.2
3.4
3.6
3.8
x 10
5
temps (s)
p
r
e
s
s
io
n

(
P
a
)
Fig. B.2 Pressure evolution after a set point change at time = 10s, from 2bar to 3.5bar, (full line : E = 0.8,
a = 4, dashed line : E = 4, a = 0.8)
E is very uncommon and is against the intuition. However, the results of this paper indicate the opposite. A
simulation on system (B.3.9) with predictor (B.4.1) and control law (B.4.2) illustrates this. Parameters of the
simulation are given in table B.2. First a and E are selected following the pole placement strategy i.e. a = 0.8
and E ve times larger : E = 4. Afterwards the values of a and E are exchanged : a = 4 and E = 0.8. Figure
B.2 shows the results. After 10s a set-point change of x
d
from 2bar to 3.5bar is imposed. The case where a > E
shows the fastest response. This can be explained by examining the evolution of s(t), given by equation (B.5.1).
For a > E, the sliding line is reached faster. The dashed curve, which reaches the slowest the set point, even
shows some oscillations which is due to the fact that the pole locations in sliding mode are determined by the
size of E. The larger E the closer to marginal stability.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
B.6. IMPLEMENTATION 177
Comment 4 : By the attraction of the sliding line, the control law given by equation (B.4.2) leads never to
instability but can only cause limit cycle behavior or leads directly to convergence. On the other hand theorems
B.5.1 and B.5.3 provide only necessary conditions for stability of the sliding mode. In normal cases, it is desired
that once on the sliding line, the system remains on the sliding line. The following theorem provides a sucient
condition on E such that this is satised.
Theorem B.5.4 Let the system in sliding mode at a certain time instant t
0
and
E
K
m
[x
1
(t
0
) x
d
[ u
d
c
0
The system will remain in sliding mode if the following is satised :
E
1
h
max
(B.5.25)
Proof :
If the system is in sliding mode, x
1
(t) = x
d
. In order to guarantee that the condition on the equivalent
control (B.5.4) remains satised from t
0
on, following condition needs to be valid for all t t
0
:
E
K
m
[x
1
(t) x
d
[ (u
d
c
0
) (B.5.26)
In other words, all extreme values of x
1
(t) for t t
0
need to meet equation (B.5.26). Extrema are encountered
at time instants when x
1
= 0. From the control law (B.4.2), extrema only occur after sliding when the equivalent
control is zero or x
1
(t h) = x
1
(t

h). Assume at t
0
that x
1
(t) = x
d
such that, according to equation (B.5.4),
at least after h
max
an extreme value occurs. By the fact that the system is in sliding mode at time t
0
,
[ x
1
(t
0
)[ K
m
(u
d
c
0
) (B.5.27)
and according to equation (B.5.27), the largest possible extreme value is x
d
K
m
(u
d
c
0
)h
max
which needs
to satisfy equation (B.5.26) such that equation (B.5.25) needs to be valid.

Comment : In case equation (B.5.6) is satised but equation (B.5.25) not, it has been observed in simulations,
that the system leaves several times the sliding line, but never enters a limit cycle.
B.6 Implementation
The control law of equation (B.4.2) and the predictor (B.4.1) were programmed on a digital controller
(ADWIN Gold, Jaeger Gmbh.) In order to transform the equations (B.4.1) and (B.4.2) to discrete time, the zero
order hold transformation rule was utilized. A sampling frequency of 1000Hz was selected, which is reasonably
high for this application, but assures that the continuous phenomena are well approximated and that no low
pass lter is required, which normally takes care that the Shannon principle is not violated.
The system parameters, used to design the control law, are listed in table B.2. Note that the discontinuous
component of the control law u
d
is selected considerably larger than the dead zone c
0
. From equation (B.5.15),
it is clear that the larger the gap u
d
c
0
, the smaller the eect of uncertainties
c
0
on the size of E. On the
other hand, the large u
d
, the more severe the switching.
For stability reasons, constant a should be positive and as large as possible but saturation of the control needs
to be avoided. During normal operation, the desired pressure varies between 0 and 5bars, which corresponds to
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
178 Chapitre B. Commande dun pulverisateur [3]

Fig. B.3 Pressure evolution after a set point change at time = 2s, from 2bar to 3bar, (full line : measured
pressure, dashed line : set point
a change of 6

of the angle of the valve x


1
, if the pressure is at 2.5bars. By selecting a = 3.5, the maximum
voltage is avoided, which is for a normal tractor approximately 14V .
For the selection of E, inequalities (B.5.6) and (B.5.25) consider only stability and not performance. From
previous elaborations, it is clear that E < a. Based on simulations with the extended model, described in section
modelling of the system, E = 1 is selected. This value of E doesnt give overshoot or oscillations.
The controller is evaluated on the real system. Figure B.3 shows the results, after a pressure change form
2bar to 3bar. The vibrations at 23Hz on the measured pressure are caused by the pump, which is a two piston
pump, and not by chattering. These vibrations are the reason why such a high sampling frequency has been
selected. They are not harmful for the pressure distribution pattern.
B.7 Conclusions
A pressure control system, used in agricultural applications, has been modeled. By considering only the
most important dynamics, the system reduces to an integrator with a dead zone on the input, and an output
which depends non-linearly on the delayed state. A control law was proposed with dead zone compensation and
which actually originates from a pole placement with observer reasoning. Stability of the control law has been
assessed, based on the theory of sliding mode. A necessary and sucient condition on the controller gain has
been derived, such that the system is stable during sliding, despite discontinuous changes of the delay. The eect
of perturbation on the dead zone and the controller gain has been investigated. It is proved that the proposed
control law never leads to instability but can only result in, by improper selection of the control parameters,
limit cycle behavior. Although the control law originates from the idea of perfect dead zone compensation and
pole placement, it is shown in the paper that in order to obtain a good performance, the standard rules of
thumb for linear systems with observer may not be applied. The control law has been implemented in practice.
Good performance has been observed.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Annexe C
Controle dun moteur par capteur
visuel [20]
Observing and Controlling Plants using their Delayed and Sampled Outputs
A. Chamroo
1
, A. Seuret
2
, C. Vasseur
1
, J.-P. Richard
2
and H.P. Wang
1
Laboratoire dAutomatique, Genie Informatique & Signal, LAGIS (UMR CNRS 8146)
1
Universite des Sciences & Technologies de Lille, USTL (Cite Scientique)
59655 Villeneuve dAscq, FRANCE
Phone : +33 3 20 43 48 76, Fax : +33 3 20 43 65 67,
E-mails : chamroo@i3d.univ-lille1.fr, christian.vasseur@univ-lille1.fr, haoping.wang@ed.univ-lille1.fr
2

Ecole Centrale de Lille


BP 48, 59651 Villeneuve dAscq Cedex, France
Phone : +33 3 20 67 60 32, Fax : +33 3 20 33 54 99, E-mails : seuret.alexandre@ec-lille.fr,
jean-pierre.richard@ec-lille.fr
Abstract - This article deals with linear plants whose outputs are not available directly, but
only via digital sensors which deliver them in a delayed and sampled format. First, we reconstitute
the plants state by using a Lyapunov-Krasovskii based observer. A sampled tracking control
strategy is then proposed by combining the observer with a particular controller that belongs
to a class of piecewise continuous systems. Computer simulation examples are presented so as
to enhance the theoretical aspect. The method shows reliability and robustness against slight
time-variations of the plants parameters.
Keywords : Lyapunov-Krasovskii functional, LMI, sampled tracking, delayed output, piecewise continuous
systems
I. INTRODUCTION
179
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
180 Chapitre C. Controle dun moteur par capteur visuel [20]
The aim of this research work is to develop a control strategy that enables sampled tracking on linear plants
in cases where the only available feedback is the plants delayed and sampled output vector. This is often the
case when we deal with control architectures that make use of digital calculators and digital sensors that are
time consuming in what concerns step calculations.
Assuming that the linear plant is perfectly identied, an observer is used so as to reconstitute the current
state by using the delayed (and sampled) output. This estimated state is necessary for the chosen controller.
For the discrete-time implementation, the data-sampling eect has to be taken into account. Following the
lines of [FRI, 04], [YU, 04] and [SEU, 05], we consider that it produces an additional, variable delay t t
k
,
where t
k
is the most recent k
th
sampling instant. Generally, due to the computer architecture and operating
system, the sampling may be aperiodic, i.e. there is no exact period T such that t
k
= k.T. So, we assume
that a maximum sampling interval T is known, so that 0 t
k+1
t
k
T holds. The global delay resulting
from the computation-plus-sampling phenomena will be denoted by = t t
k
, and it can be seen that the
limit case d/dt(t) = 1, which represents the worse situation in the study of time-delay systems, occurs almost
everywhere. The aim is to generate robust, stable and continuous-time observation with respect to the sampling
period or parameters uncertainties. A Luenberger observer for known time-varying delay is proposed using this
sampling modelization. The stability results are presented using Linear Matrix Inequality (LMI). Its purpose is
to estimate the current state as fast as possible.
In order to achieve sampled tracking, we propose a control unit based on [KON, 01], [KON, 02] and [KON,
03] that establishes a class of control systems whose evolution is described by exogenous switching of their
internal state. The chronology of the switching is dened by a set of sampling instants S = t
k
, k = 0, 1, 2, ...
called switching instants. These controllers that extend the notion of sampled control commands [KAB, 87]
are referred to as piecewise continuous systems (PCS). In this approach, the control input of the plant is dened
from two input spaces : the rst space U
r
allows control between switching instants, while the second input
space V
s
enables control at the switching instants. Referring to the classication of [TIT, 98], this class of
control systems has hybrid properties and extends the concept of compound control realized by [LAU, 72] and
[VAS, 72]. According to Branickys taxonomy of hybrid systems [BRA, 94], these control units are characterized
by autonomous switchings and controlled impulses.
It is well established in [KON, 03] that the use of PCS controllers enables sampled tracking on linear plants
by undertaking a state feedback. In our case, we make use of the aforementioned observer to feed the PCS
controller with an estimate of the state.
In this paper, we start by dening the particular nature of the output signal considered for feedback. A
block diagram of the whole closed loop structure is then given in section III. The observer and controller are
then described in the following sections. The reader can nd at the end of the paper a typical visual control
example raising a delayed and sampled output problem while controlling a mobile cart by camera.
II. THE PARTICULAR SENSOR OUTPUT
The plant we consider in our study is a usual linear n
th
order system that we represent by its state and
output equations as follows :
x

(t) = A.x(t) +B.u(t),


y(t) = C.x(t),
(C.0.1)
with A 1
nn
, B 1
nr
and C 1
mn
being the real, known characteristic matrix of the system, and
x(t)
n
, u(t) U
r
and y(t) Y
m
representing respectively the state, the input and the output of the plant.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
181

Capteur
Signal retour
(t
e
)
y
(non disponible)
u B x A x . . ' + =
x C y . =
u z
e
t N. Retard
Processus
(a)
(b)
We assume that the pair (A,C) is observable.
In our case, we consider that neither the state x(t), nor the output y(t) of the plant is available. The only
data we can access becomes from a digital sensor that delivers the output y in a sampled and delayed format.
The sampling period of the sensor being t
e
and its associated delay being D, we dene the sensor data as such :
z(t) = y

(t D). (C.0.2)
In (C.0.2), (*) represents a sampling with a known maximal period t
e
. In our study, we assume that D is
bounded with known upper and lower bounds.
An illustrating example can be the case where processed data accessed from a digital camera constitute
the output z(t) of a visual sensor. In that case, the t
e
sampling period corresponds to the delivery of image
information where t
e
represents the time for an image shooting. Moreover, the time delay D represents the time
necessary for image processing. Usually, in such an example, the delay is a multiple of the sampling period, so
that it can be expressed by D = N.t
e
(N Z). This means actually that N snapshots are necessary to obtain
the required data.
The whole statement of this section is summarized in
Fig. 1, with N = 4 in the example considered in section VI.
III. PRINCIPLE
The aim is to be able to perform sample tracking of a given state trajectory by the plants unavailable state.
This is ensured by the PCS controller that necessitates the full state measurement given by the observer. The
closed loop structure is given in Fig. 2 below.
IV. OBSERVER DESIGN
Using the sampling representation proposed in the introduction, the sensors output can be written as
z(t) = y(t (t)), where (t) = D + t t
k
. Then a continuous-time, delayed Luenberger observer can be
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
182 Chapitre C. Controle dun moteur par capteur visuel [20]

Fig. 2. Block diagram of the whole closed loop structure using delayed output feedback
(te)
u B x A x . . ' + =
x C y . =
Sensor
e
t N. delay
Plant
Observer
c
T k.
f

-
+
) (t c
) ( t x
) (t u
) (t z
) . ( ) (
*
e
t N t y t z =
) (t u
) (t y
PCS Controller
considered :
x

(t) = A. x(t) +B.u(t) L(y(t (t)) y(t (t))),


y(t) = C. x(t).
(C.0.3)
Since the pair (A,C) is observable, it is possible to determine a linear gain L such that the observer exponen-
tially converges to the real system in the non-delayed case. The next theorem allows us to design another L so
that the observer state x(t) converges suciently fast (with a guaranteed exponential rate ) to the real system
state x(t) despite a variable delay on the plants output. The error vector is dened as e(t) = x(t) x(t).
From (C.0.1) and (C.0.3), this error is ruled by :
e

(t) = Ae(t) +LCe(t (t))


Theorem1 : Suppose that, for some positive scalars and , there exists a nn positive matrix P
1
and nn
matrices P, S, Y
1
, Y
2
, Z
1
, Z
2
, Z
3
, R, R
a
and a matrix W with appropriate dimensions such that the following
LMI conditions are satised for j=1,2 :
_

_

i
WC Y
T
1

i
WC Y
T
2
_

i
_
WC
WC
_
S 0
R
a
_

_
< 0
and
_

_
R Y
1
Y
2
Z
1
Z
2
Z
3
_

_
< 0 (C.0.4)
where the symbol in a matrix represents a symmetrical entry, where
1
= e
()
,
2
= e
(+)
and the
symmetric matrix is given by =
_

11

21

T
21

22
_
and :

11
= P
T
(A+I
n
) + (A+I
n
)
T
P +S +.Z
1
+Y
1
+Y
T
1
,

12
= P
1
P +P
T
(A+I
n
)
T
+.Z
2
+Y
2
,

22
= .(P +P
T
) +.Z
3
+ 2.R
a
.
In the previous theorem, the delay (t) and then, and , are imposed by the maximum the sampling period
and the computation delay. The greater corresponds to a faster the stabilization. Thus, the objective is to
tune to maximize .
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
183
The proof is based on Lyapunov-Krasovskii techniques and descriptor representation detailed in [SEU, 06].
V. PCS CONTROL COMMAND
A. Principle
The principle of PCS control is to build an associated PCS system whose output constitutes the input of
the plant. Note that some of the variables of the controller are c-indexed so as to be distinguished from those
of the observer. According to [KON, 03], we make use of a PCS system to dene a particular PCS controller
whose behavior can be summarized as follows :
1. The state of the PCS controller is switched to forced values at regular intervals of period T
c
, with T
c
< t
e
such that t
e
= q.T
c
, with q 1 and q 1. The corresponding switching set is represented by S =
k.T
c
, k = 0, 1, 2, ....
2. The equations describing the behavior of the controller are :

(t) =
c
.(t), t ] k.T
c
, (k + 1)T
c
] , (C.0.5)
(k.T
+
c
) =
c
.
c
(k.T
c
), k = 0, 1, 2, ..., (C.0.6)
w(t) =
c
.(t), t. (C.0.7)
Equation (C.0.5) describes the continuous evolution of the controllers state (t)
n
upon ] k.T
c
, (k + 1)T
c
],

c
1
nn
being the state matrix of the controller. The only parameter that denes the behavior of the
controllers state in this interval of time is
c
which can take an arbitrary value. Usually, it is xed such that
the PCS is stable between switching instants.
Equation (C.0.6) denes the controllers state at switching instants, by means of a bounded discrete input

c
V
s
, and according to the linear relationship characterized by the matrix
c
1
ns
.
Equation (C.0.7) is the output equation of the controller, characterized by the full rank matrix
c
1
mn
.
The output w(t) Y
m
constitutes the input command to be fed to the plant.
Fig. 3a gives the realization diagram of a PCS controller and Fig. 3b shows its states evolution.
It is shown in [KON, 03] that if the state of the plant is available, it is possible to dene
c
(t) and
c
so
as to achieve discrete tracking of a c(t) state trajectory by the plants state x(t) at each switching instant and
with one sampling period delay : x((k + 1)T
c
) = c(k.T
c
), k = 0, 1, 2, ....
Note that from now on, the discrete values of every function will be considered as being sampled at T
c
period and to simplify the notations, any time function f(t) at a given k.T
c
instant will be written as f(k.T
c
) =
f
k
k = 0, 1, 2, .... Moreover, dealing with PCS gives rise to discontinuous signals. Thus, if any signal f(t)
is discontinuous, we shall consider the right value at the discontinuity since the switching at each k.T
c
imply
consequences occurring at every k.T
+
c
. However, for simplication sake, the notation f
k
will be used, instead of
the strict one : f
+
k
= f(k.T
+
c
).
B. State Feedback PCS Controller
Lets design a PCS controller meant to perform sampled tracking in the case where the state x(t) of a linear
plant (as in (B.1.1)) is available. The aim is to dene its matrix
c
(t) and input
c
to achieve x
k+1
= c
k
. The
controllers output is linked to the plants input, thus u(t) = w(t). Then, we only have to rely on the observer
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
184 Chapitre C. Controle dun moteur par capteur visuel [20]
dened above to make use of x(t) instead of x(t) as in Fig. 2. In this case, the behavior of the closed loop system
can be given by the following equation set :
x

(t) = A.x(t) +B.u(t), t,

(t) =
c
.(t), t ] k.T
c
, (k + 1)T
c
] ,
u(t) =
c
.(t), t,

k
=
c
.
c
k
, k = 0, 1, 2, ....
By integration, the rst three equations allow us to write in a sampled format, the next step value x
k+1
of the
state as a function of its previous one x
k
:
x
k+1
= f.x
k
+M.
k
, (C.0.8)
with f = e
AT
c
and M = f.
T
c
_
0
e
A
B.
c
.e

d.
c
T k.


{S}
) (t
c


) . (
c c
T k
) ( ' t

) (t

c


) (t w
c

c

) (t

t
) ) 1 ((

+
c
T k
) . ( .
c c c
T k

) ) 2 ((

+
c
T k
) ) 1 (( .
c c c
T k +
c
T k.

c
T k ) 1 ( +

c
T k ) 2 ( +

c
T k ) 3 ( +

(a)
(b)
Fig. 3a. Realization diagram,
Fig. 3b. State evolution of a PCS controller
) . (
pcs
T k
In order to realize the discrete tracking which is dened above, we only have to x down the tracking
condition which is x
k+1
= c
k
, where c(t) is the desired state trajectory. Thus, from (C.0.8) we have :

k
= M
1
c
k
f.x
k
(C.0.9)
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
185
Equation (C.0.9) gives the switching value of the controllers state, under the condition that M
1
exists [KON,
03]. Hence, in this case, we are able to dene the PCS controller with :
= M
1
and (t) = c(t) f.x(t),
and chosen arbitrarily.
VI. COMPUTER SIMULATION EXAMPLE
In view of validating our method we have simulated, by means of Matlab Simulink, the behavior of the whole
closed loop structure shown in Fig. 2. This computer simulation reects the control of a real system which is
described below. As shown in Fig. 4, this system consists of the visual position control of a moving cart.

A. The Plant
The plant which is considered here is a cart that moves along a horizontal and straight line segment. The
cart is powered by an electric motor by means of a notched belt. The plants state is composed of the real
position and speed of the cart, while its output is given by the real position only :
x =
_
x
1
x
2
_
=
_
real position
real speed
_
, y = x
1
The motor is of a brushless type. It is driven in +/-10V by a dSpace computer input/output card via a
power amplier. Supplied with 240V (mono), it can oer a nominal couple of 3.0Nm with a power of 200W.
Identication with a second order approximation of the amplier-motor-cart set has shown a time constant of
8.3ms and an overall gain of 2.9m/S/V.
Hence, we assume that the plant can be dened as in (C.0.1) by matrices :
A =
_
0 1
0 120
_
, B =
_
0
350
_
and C =
_
1 0
_
B. The Sensor
The aim of the experiment is to realize a visual position control of the cart. Thus, the sensor is an articial
vision system that observes an infrared LED xed on the cart, as shown in Fig. 4. This vision system is
constituted of a motionless digital infrared CCD camera connected to a computer allowing image processing.
The camera is positioned above the cart and observes its motion. Thus, after a location operation, the articial
vision system outputs the position of the cart in a t
e
-sampled format, with here a delay equal to t
e
itself. We
thus have in this case :
z(t) = x

1
(t t
e
), with (*) : sampling at t
e
.
Here, t
e
= 28 ms. This corresponds actually to image snapshots with a t
e
-period reset mode ensuring that
image acquisition and processing are carried out inside that period.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
186 Chapitre C. Controle dun moteur par capteur visuel [20]
c
T k.

{S}
) (t
c

) . (
c c
T k
) ( ' t
) (t

c

) (t w
c

c

) (t
t
) ) 1 ((

+
c
T k
) . ( .
c c c
T k

) ) 2 ((

+
c
T k
) ) 1 (( .
c c c
T k +
c
T k.

c
T k ) 1 ( +

c
T k ) 2 ( +

c
T k ) 3 ( +

(a)
(b)
Fig. 3a. Realization diagram,
Fig. 3b. State evolution of a PCS controller
) . (
pcs
T k
C. The Observer
In this particular example, the resolution of the LMI conditions (4a,b) leads to the Luenberger gain :
L =
_
3.1225
0.0569
_
D. The Associated PCS Controller
In order to achieve tracking, the PCS controller uses the estimated state obtained from the observer. The
controller is switched at regular intervals with T
c
= 10msand is dened by :

c
=
_
0.1 0
0 0.2
_
,
c
=
_
1 1
_
E. The Aim of the Experiment
In the present example, the goal is to be able to realize sampled position tracking of a desired trajectory by
the cart. According to our methods requirement, we have to dene a state trajectory, which is here chosen to
be :
c(t) =
_
c
1
(t)
c
2
(t)
_
=
_
a. sin(.t)
a.. cos(.t)
_
In this example, c
2
(t) is bound to be the derivative of c
1
(t), since they represent, respectively, the desired speed
and position trajectories.
F. Results Comment
Figs. 5 and 6 illustrate tracking results for the stated example. Note that for comparison sake, the desired
trajectory has been delayed appropriately on those gures. The PCS switching period and parameters of the de-
sired trajectory dier so as to express performance in working conditions (Fig. 5) and functioning demonstration
in exaggerated ones (Fig. 6).
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
187

Fig. 5a shows sampled tracking of c
1
(t) by the plants output y(t) which is here equal to the real cart position
x
1
(t). Similarly, Fig. 5c shows how the second state variable (speed) reaches its desired trajectory at switching
instants.
Note that the x
1
(t) and x
2
(t) curves intersect those of c
1
(t T
c
) and c
2
(t T
c
) respectively at every k.T
c
,
thus showing T
c
-sampled tracking with a delay of T
c
. These results can be better appreciated on Figs. 6a and
6b respectively.
In the same way, Fig. 5b represents sampled tracking of c
1
(t) by z(t) with a delay equal to T
c
+ t
e
(since
D = t
e
in the present example).
Fig. 5e and Fig. 6c illustrate the control command fed to the plant. Coming out of a PCS controller, we can
notice its piecewise continuous nature.
On the other hand, Fig. 5d shows how the estimated state follows continuously the actual plants state.
Moreover, to illustrate the high performance of the observer, we consider in Fig. 7 the case where the initial
condition of the plants state is unknown to the observation block.
Note that though we have shown the states evolution for demonstration sake, we do not use it for feedback,
since we assume it to be unavailable.
VII. CONCLUSION
The method that we present in this paper is appropriate for control of linear plants in cases where the only
available feedback comes from a sensor delivering the plants output vector in a delayed (of D) and sampled (at
t
e
) format. The proposed observer reconstitutes the current state of the plant from the sensors output enabling
fast convergence of the estimated state towards the actual state, even in cases of unknown initial conditions
of the latter. State observation also holds for varying delay and sampling period, given their upper and lower
limits.
The control unit is based on a PCS controller which makes use of the estimated state and guarantees sampled
tracking of a given state trajectory c(t). It ensures at each k.T
c
(k = 0, 1, 2, ...) :
x(t) = c(t T
c
),
z(t) = C.c(t T
c
D).
With our notations, this tracking can be expressed by :
x(k.T
c
) = c((k 1).T
c
)k = 0, 1, 2, ...,
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
188 Chapitre C. Controle dun moteur par capteur visuel [20]

(b)
(a)
(c)
-2
0
2
-200
0
200
0.3 0.32 0.34 0.36 0.38
-200
0
200
time, s
) ( ) (
1
t x t y =

) (
1 c
T t c
) (t u

) (
2 c
T t c
) (
2
t x

t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
189
z(k.T
c
) = C.c((k N.q 1).T
c
)k = 0, 1, 2, ....
Computer simulations showed that the method is reliable and moreover robust against slight time-variations of
the plants parameters.
Note that in every case, the PCS controller show better eciency for small values of T
c
, which is the period
at which the PCS controllers state switches.
As a perspective of our study, works are presently being carried out to optimize the PCS controller to ame-
liorate its behavior between switching instants so as to enhance the tracking in this interval. This optimization is
based on that given in [KON, 03]. Moreover, we intend to realize a controller based on the bi-sampled controller
[KON, 02] that outputs a sampled command between switching instants.
Furthermore, we are undertaking real time experiments to test the present method on the real system of
Fig. 4.
ACKNOWLEDGEMENTS
This work is supported by the European Union under Grants 15010/02Y0064/03-04 CAR/Presage N 4605
Obj. 2-2004 :2 - 4.1 N 160/4605.
REFERENCES
[BRA, 94] M. S. Branicky, V. Borkar and S. K. Mitter, A unied framework for hybrid control, in Procee-
dings IEEE Conf. Decision Contr., Lake Buena Vista, 1994, pp. 4228-4234.
[FRI, 04] E. Fridman, A. Seuret and J.-P. Richard, Robust sampled-data stabilization of linear systems :
An input delay approach, Automatica, vol. 40, No. 8, 2004, pp. 1441-1446.
[KAB, 87] P. T. Kabamba, Control of Linear Systems Using Generalized Sampled-Data Hold Functions,
IEEE Trans. Automatic Control, Vol. 32, No. 9, 1987, pp. 772-783.
[KON, 01] V. Koncar and C. Vasseur, Syst`emes `a fonctionnement par morceaux et poursuite echantillonnee,
APII-JESA, Vol. 35, No. 5, 2001, pp. 665-689.
[KON, 02] V. Koncar and C. Vasseur, Piecewise functioning systems : bi-sampled controllers, Studies in
Informatics and Control Vol.11, No.2, 2002.
[KON, 03] V. Koncar and C. Vasseur, Control of linear systems using piecewise continuous systems, IEE
Control Theory & Applications , Vol. 150, n 6, pp.565-576, 2003.
[LAU, 72] F. Laurent, Sur la commande dun ltre lineaire par des impulsions multimodulees, C.R. Acad.
Sc, Paris, t. 270, pp. 288-289, 1972.
[SEU, 05] A. Seuret, E. Fridman and J.-P. Richard, Sampled-data exponential stabilization of neutral
systems with input and state delays, IEEE MED 2005, 13th Mediterranean. Conference on Control and Auto-
mation, Cyprus, 2005.
[SEU, 06] A.Seuret, F. Michaut, J.-P. Richard and T. Divoux, Networked Control using GPS Synchroniza-
tion, American Control, Conference, 2006.
[TIT, 98] M. Tittus and B. Egardt, Control Design for Integrator Hybrid Systems, IEEE Trans. Automatic
Control, Vol. 43, No. 4, 1998, pp. 491-500.
[VAS, 72] C. Vasseur, Contribution `a letude des syst`emes echantillonnes commandes par impulsions mul-
timodulees, Ph.D. Thesis, University Lille 1, Villeneuve dAscq, France, 1972.
[YU, 04] M. Yu, L. Wang and T. Chu, An LMI approach to network control systems with data packet
dropout and transmission delays, Mathematical Theory Networks and Systems, Leuven, 2004.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
190 Chapitre C. Controle dun moteur par capteur visuel [20]
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Annexe D
Observateurs `a modes glissants et
observateurs dUtkin
Dans les developpements theoriques associes aux modes glissants et `a la theorie du controle, on suppose
souvent que letat complet du syst`eme est disponible. Ainsi le developpement dobservateurs pour estimer le
vecteur detat permet, dans des cas concrets, dutiliser ces lois de commande. Lidee dutiliser les dynamiques
du syst`eme pour construire un observateur a ete developpee par Luenberger [100]. Dans ce type dobservateurs
lestimation necessite la valeur de la commande et de lerreur entre la sortie mesuree et estimee. Lobjectif est
nalement de contraindre lerreur `a tendre vers zero.
Considerons le syst`eme lineaire decrit par :
x(t) = Ax(t) +Bu(t)
y(t) = Cx(t),
(D.0.1)
o` u A R
nn
, B R
nm
, C R
pn
et p m. On suppose que les matrices B et C sont de rang plein et que
la paire (A, C) est observable.
Comme nous allons considerer les sorties du syst`emes, il apparat assez naturellement que les sorties de-
viennent des composantes de letat. Comme dans [38] (Chapitre 5), une possibilite est dutiliser le changement
de variables x T
c
x o` u :
T
c
=
_
N
T
c
C
_
,
o` u les colonnes de N
c
R
n(np)
sont dans le noyau de C. Cette transformation est non singuli`ere, et par rapport
`a la nouvelle variable, la nouvelle sortie est :
CT
1
c
= [0 I
p
] .
Si les autres matrices denissant le syst`eme secrivent :
T
c
AT
1
c
=
_
A
11
A
12
A
21
A
22
_
et T
c
B =
_
B
1
B
2
_
,
alors le syst`eme (D.0.1) secrit :
x
1
(t) = A
11
x
1
(t) +A
12
y(t) +B
1
u(t)
y(t) = A
21
x
1
(t) +A
22
y(t) +B
2
u(t),
(D.0.2)
191
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
192 Chapitre D. Observateurs `a modes glissants et observateurs dUtkin
o` u
T
c
x =
_
x
1
y
_
n p
p
Lobservateur propose par Utkin [145] est de la forme :

x
1
(t) = A
11
x
1
(t) +A
12
y(t) +B
1
u(t) L

y(t) = A
21
x
1
(t) +A
22
y(t) +B
2
u(t) +,
(D.0.3)
o` u ( x
1
, y) sont les estimation de letat (x
1
, y), L R
(np)p
est une matrice constante et les composantes du
vecteur discontinu sont denies par :

i
= Msgn( y
i
y
i
),
o` u M R
+
. Sil les erreurs entre lestimation et letat reel sont denies par e
1
= x
1
x
1
et e
y
= y y, alors
(D.0.1) et (D.0.3) conduisent aux equations dierentielles suivantes :
e
1
(t) = A
11
e
1
(t) +A
12
e
y
(t) +L
e
y
(t) = A
21
e
1
(t) +A
22
e
y
(t) ,
(D.0.4)
Sachant que la paire (A, C) est observable, la paire (A
11
, A
21
) est aussi observable. Ainsi L doit etre choisie de
telle mani`ere que la matrice A
11
+LA
21
ait des valeurs propres dans C

. On denissant le nouveau changement


de variables :

T =
_
I
np
L
0 I
p
_
,
avec la variable e
1
= e
1
+Le
y
. Ainsi la dynamique de lerreur est regie par les equations dierentielles :

e
1
(t) =

A
11
e
1
(t) +

A
12
e
y
(t)
e
y
(t) = A
21
e
1
(t) +

A
22
e
y
(t) ,
(D.0.5)
o` u

A
11
= A
11
+LA
21
,

A
12
= A
12
+LA
22


A
11
L et

A
22
= A
22
A
21
L. Il sen suit que dans le domaine :
=
_
(e
1
, e
y
) : |A
21
e
1
| + 1/2
max
(

A
22
+

A
T
22
)|e
y
| < M
_
,
avec < M des reels positifs, la condition suivante est realisee :
e
T
y
e
y
< |e
y
|.
Ainsi le syst`eme entre en regime glissant sur la surface o
0
= (e
1
, e
y
) : e
y
= 0. A partir dun certain
temps ni t
s
, les variables e
y
et e
y
sont nulles. Lequation (D.0.5) devient alors :

e
1
(t) =

A
11
e
1
(t),
qui avec un choix judicieux du gain L est un syst`eme stable et implique que e
1
0 et par consequent x
1
x
1
.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
Bibliographie
[1] A. Alif, M. Boutayeb, and M. Darouach, Observers based control for systems with unknown delays, IFAC
Workshop on Time Delay Systems, September 2003.
[2] J. Andren, M. Hilding, and D. Veitch, Understanding end-to-end internet trac dynamics, IEEE GLO-
BECOM98, November 1998, pp. 11181122.
[3] J. Anthonis, W. Franssens, A. Seuret, J.-P. Richard, and H. Ramon, Two control laws for a spray system
with time varying delay and dead band, IFAC World Congress (Praha, Rep. Tch`eque), July 2005, p. reg.
paper 4365.
[4] J. Anthonis, A. Seuret, J.-P. Richard, and H. Ramon, Design of a pressure control system with dead band
and time delay, IEEE Trans. Control Syst. Technology to appear (2006).
[5] B. Armstrong-Helouvry, P. Dupont, and C. Canudas de Wit, A survey of models, analysis tools and
compensation methods for the control of machines with friction, Automatica 30 (1994), no. 7, 10831138.
[6] K. Astrom and B. Wittenmark, Adaptative control, Prentice Hal publisher, 1989.
[7] J.M. Azorin, O. Reinoso, J.M. Sabater, R.P. Neco, and R. Aracil, Dynamic analysis for a teleopara-
tion system with time delay, Conference on Control Applications (Proceeding of 2003 Conference on
Control Applications, ed.), June 2003, pp. 11701175.
[8] B.A. Bamieh, J.B. Jr Pearson, B. Francis, and A. Tannenbaum, A lifting technique for linear periodic
systems, System and Control Letters 17 (1991), 7988.
[9] A. Bartholomeus-Goubet, Sur la stabilite et la stabilisation des syst`emes retardees : Crit`eres dependant
des retards, Ph.D. thesis, Universite des Sciences et Technologies de Lille, 1996.
[10] R. Bellman and S.L. Cooke, Dierential dierence equations, Academic Press, New York, 1963.
[11] K.-E. Bouazza, M. Boutayeb, and M. Darouach, Observers based stabilization for non linear discrete-time
systems, European Control Conference (United Kingdom), September 2003.
[12] M. Boutayeb and M. Darouach, Reduced-order observer for discrete time systems with multiple delays,
IEEE Conference on Decision and Control (CDC) (United States of America, Las Vegas), December 2002.
[13] S. Boyd, L. ElGhaoui, and E. Feron, Linear matrix inequalities in system and control theory, SIAM, 1994.
[14] L. Bushnell, Networks and control, IEEE Trans. Control Systems Magazine 22 (2001), no. 1, 2229.
[15] C.I. Byrnes, M.W. Spong, and T.J. Tarn, A several complex variables approach to feeback stabilization of
linear neutral delay-dierential systems, Math. Systems Theory 17 (1984), 97133.
[16] Y. Cao, Z. Lin, and T. Hu, Stability analysis of linear time-delay systems subject to input saturation, IEEE
Trans. on Circ. and Syst. I 49 (2002), 233240.
193
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
194 BIBLIOGRAPHIE
[17] Y.A. C engel and M.A. Boles, Thermodynamics, an engineering approach, fourth edition ed., McGraw-Hill,
1999.
[18] S. Cetinkunt, U. Pinsopon, C. Chen, A. Egelja, and S. Anwar, Positive ow control of closed-center
electrohydraulic implement-by-wire systems for mobile equipment applications, Mechatronics 14 (2004),
403420.
[19] A. Chamroo, Contribution `a letude des syst`emes `a fonctionnement par morceau : Application `a linden-
tication en ligne et `a la commande en temps reel, Ph.D. thesis, Universite des Sciences et Technologies
de Lille, 2008.
[20] A. Chamroo, A. Seuret, C. Vasseur, J.-P. Richard, and H.P. Wang, Observing and controlling plants using
their delayed and sampled outputs, CESA06 IMACS-IEEE Multiconference on Computational Engineering
in Systems Apllication (Beijing, China), October, 2006.
[21] H.H. Choi and M.J. Chung, Observer-based H

controller design for state delayed linear systems, Auto-


matica 32 (1996), no. 7, 1073075.
[22] M. Chu, L. Wang, and T. Chu, An LMI approach to network control systems with data packet dropout
and transmission delays, Mathematical Theory Networks and Systems, 2004.
[23] J.M. Gomez da Silva, E. Fridman, A. Seuret, and J.-P. Richard, Stabilization of neutral systems with
saturating inputs, IFAC World Congress (Praha, Rep. Tch`eque), July 2005, p. reg. paper 4091.
[24] M. Dambrine, Contribution `a letude de la stabilite des syst`emes `a retards, Ph.D. thesis, Univ. des Sciences
et Technologie de Lille, 1994.
[25] M. Dambrine, J.-P. Richard, and P. Borne, Feedback control of time-delay systems with bounded control
and state, J. Mathematical Problems in Engineering 1 (1995), no. 1, 7787, Gordon and Breach.
[26] M. Darouach, Linear functional observers for systems with delays in the state variables, IEEE Trans.
Autom. Contr. 46 (2005), no. 3, 491497.
[27] M. Darouach, P. Pierrot, and E. Richard, Design of reduced-order observers without internal delays, IEEE
Trans. Autom. Contr. 44 (1999), no. 9, 17111713.
[28] M. Darouach, M. Zasadzinski, and S.J. Xu, Full-order observers for linear systems with unknown inputs,
IEEE Trans. Autom. Contr. 39 (1994), no. 2, 606609.
[29] C.E. de Souza, R.E. Palhares, and P.L.D. Peres, Robust H

ltering for uncertain linear systems with


multiple time-varying state : An LMI approach, Conference on Decision and Control (Proceeding of the
38th Conference on Decision and Control, eds.), December 1999, pp. 20232028.
[30] S. Drakunov, G.D. Hanchin, W.C. Su, and

U.

Ozg uner, Nonlinear control of a rodless pneumatic servoac-
tuator, or sliding modes versus coulomb friction, IEEE 33 (1997), no. 7, 14011408.
[31] S.V. Drakunov, Sliding-mode observer based on equivalent control method, Conference on Decision and
Control (Proceeding of the 31th Conference on Decision and Control, eds.), December 1992.
[32] S.V. Drakunov and V.I. Utkin, Sliding mode observers. tutorial, Conference on Decision and Control
(Proceeding of the 34th Conference on Decision and Control, eds.), December 1995.
[33] B. Drazenovic, The invariance conditions in variable structure systems, Automatica 5 (1969), no. 3, 287
295.
[34] D.R. Driver, Ordinary and delay dierential equations, Springer-Verlag, New York, 1977.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
BIBLIOGRAPHIE 195
[35] L. Dugard and E.I. Verriest, Lecture notes in control and information sciences, Springer, 1997.
[36] G. Dullerud and K. Glover, Robust stabilization of sampled-data systems to structured LTI perturbations,
IEEE Transactions on Automatic Control 38 (1993), no. 10, 14971508.
[37] C. Edwards and S.K. Spurgeon, On the development of discontinuous observers, Int. J. of Contr. 59 (1994),
12111229.
[38] , Sliding mode control : Theory and applications, Taylor & Francis, 1998.
[39] A. Eusebi and C. Melchiorri, Force-reecting telemanipulators with time-delay : Stability analysis and
control design, IEEE trans. on Robotics and Automation 14(4) (1998), 635640.
[40] F.W. Fairmar, B. Kumar, and E. Richard, Design of reduced-order observers without internal delays, IEEE
Trans. Autom. Contr. 44 (1999), no. 9, 17111713.
[41] A. Fattouh and O. Sename, H

-based impedance control of teleoperation systems with time delay, 4th


Workshop on Time Delay Systems, September 2003.
[42] A. Fattouh, O. Sename, and J.-M. Dion, An unknown input observer design for linear time-delay systems,
38th IEEE Conference on Decision and Control, vol. 4, December 1999, pp. 42224227.
[43] , Robust observer design for linear uncertain time-delay systems : A factorization approach, MTNS
(Perpignan, France), 2000.
[44] M. Fleiss, H. Mounier, P. Rouchon, and J. Rudolph, Controlability and motion planning for linear delay
systems with application to exible rod, Conference on Decision and Control (Proceeding of the 34th
Conference on Decision and Control, eds.), December 1995.
[45] T. Floquet, J.-P. Barbot, W. Perruquetti, and M. Djema, On the robust fault detection via a sliding mode
disturbance observer, International Journal of control 77 (2004), no. 7, 622629.
[46] E. Fridman, Use of models with aftereect in the problem of design of optimal digital control, Autom.
Remote Control 53 (1992), 15231528.
[47] , New Lyapunov-Krasovskii functionals for stability of linear retarded and neutral type systems,
System and Control Letters 43 (2001), 309319.
[48] , Eects of small delays on stability of singularly perturbed systems, Automatica 38 (2002), 897902.
[49] , Stability of linear functional dierential equations : A new Lyapunov technique, Proceedings of
Mathematical Theory of Networks and Systems, September 2004.
[50] , Stability of systems with uncertain delays : a new complete Lyapunov-Krasovskii functional,
IEEE Trans. on Automatic Control 51(5) (2006), 885 890.
[51] E. Fridman, F. Gouaisbault, M. Dambrine, and J.-P. Richard, Sliding mode control of systems with time-
varying delays via descriptor approach, proceedings of ECC03 (Cambridge, England), 2003.
[52] E. Fridman, A. Pila, and U. Shaked, Regional stabilization and H

control of time-delay systems with


saturating actuators, Int. J. of Rob. and Nonlin. Contr. 13 (2003), 885907.
[53] E. Fridman, A. Seuret, and J.-P. Richard, Robust sampled-data stabilization of linear systems : An input
delay approach, Automatica 40 (2004), no. 8, 11411446.
[54] E. Fridman and U. Shaked, Stability and guaranteed cost control of uncertain discrete delay systems,
International Journal of Control 45 (2000), no. 12, 24062411.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
196 BIBLIOGRAPHIE
[55] , A new H

lter design for linear time delay systems, IEEE Transactions on Signal and Processing
49 (2001), no. 11, 28392843.
[56] , A descriptor system approach to H

control of linear time-delay systems, IEEE Trans. on Au-


tomatic Control 47 (2002), no. 2, 253270.
[57] , An improved stabilization method for linear time-delay systems, IEEE Transactions on Automatic
Control 47 (2002), no. 11, 19311937.
[58] , Parameter dependent stability and stabilization of uncertain time-delay systems, IEEE Transac-
tions on Automatic Control 48 (2003), no. 5, 861866.
[59] , Parameter dependent stability and stabilization of uncertain time-delay systems, IEEE Trans. on
Automatic Control 48 (2003), no. 5, 861866.
[60] E. Fridman, U. Shaked, and L. Xie, Robust H

ltering of linear systems with time-varying delay, IEEE


Transactions on Automatic Control 48 (2003), no. 1, 159165.
[61] C.E. Garcia, B. Morales, R. Carelli, and J. Postigo, Stability analysis for a teleoperation system with
time delay and force feedback, Conference on Decision and Control (Proceeding of the 39
th
Conference on
Decision and Control, eds.), December 2000.
[62] S.S. Ge, T.H. Lee, and S.X. Ren, Adaptive friciton compensation of servo mechanisms, International
Journal of Systems Science 32 (2001), no. 4, 523532.
[63] L. El Ghaoui and S.-I. Niculescu, Advances in linear matrix inequality methods in control, Advances in
Design and Control. SIAM, 2000.
[64] F. Gouaisbaut, M. Dambrine, and J.-P. Richard, Robust control of dealy systems : a sliding mode control
design via LMI, Systems and Control Letters 46 (2002), no. 4, 219230.
[65] A. Goubet, M. Dambrine, and J.-P. Richard, Stability of perturbed systems with time-varying delays,
Systems and Control Letters 31 (1998), 1608.
[66] A. Goubet-Bartholome us, M. Dambrine, and J.-P. Richard, An extension of stability criteria for linear and
nonlinear time-delay systems, IFAC System, Structure and Control 95 (Nantes, France), 1995, pp. 278283.
[67] , Stability of perturbed systems with time-varying delay, Systems and Control Letters 31 (1997),
155163.
[68] K. Gu, Discretized LMI set in the stability problem of linear uncertain time-delay systems, Int. J. of
Control 68 (1997), 923 934.
[69] K. Gu, V.-L. Kharitonov, and J. Chen, Stability of time-delay systems, Birkhauser, 2003.
[70] K. Gu and S.-I. Niculescu, Additional dynamics in transformed time-delay systems, Proc 38
th
IEEE
CDC99 (Phoenix, United-States of America), vol. 4673 - 4677, 1999.
[71] , Additional dynamics in transformed time-delay systems, IEEE Trans. on Automatic Control 45
(2000), no. 3, 572575.
[72] T.-M. Guerra, A. Kruszewski, L. Vermeiren, and H. Tirmant, Conditions of output stabilization for non-
linear models in the Takagi-Sugenos form, Fuzzy Sets & Systems 157 (2006), no. 9, 12481259.
[73] J. Hale and S. M.V. Lunel, Introduction to functional dierential equations, Springer-Verlag, New York,
1993.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
BIBLIOGRAPHIE 197
[74] C. Hatipoglu and

U.

Ozg uner, Handling stiction with variable structure control, Lecture Notes in Control
and Information Science 247, Variable Structure Systems, Sliding Mode and Nonlinear Control, Springer-
Verlag (1999), 143166.
[75] M. Hou and P.C. M uller, Design of observers for linear systems with unknown inputs, IEEE Trans. Autom.
Contr. 37 (1992), 871875.
[76] L.-S. Hu, J. Huang, and H.-H. Cao, Robust digital model predicitive control for linear uncertain systems
with saturations, IEEE Trans. on Automatic Control 49 (2004), no. 5, 792796.
[77] Y.-P. Huang and K. Zhou, On the robustness of uncertain time-delay systems with structured uncertainties,
Systems and Control Letters 41 (2000), 367376.
[78] A. Ionita and V. Dragan, Stabilization of singularly perturbed linearly systems with delay and saturation
control, Proc. of the 7th Mediterranean Conference on Control and Automation (Haifa, Israel), 1999,
pp. 18551869.
[79] J.Hale, Theory of functional dierential equations, Springer-Verlag, 1997.
[80] X. Jiang and Q.-L. Han, On H

control for linear systems with interval time-varying delay, Automatica


41 (2005), 20992106.
[81] H.K. Khalil, Nonlinear systems, Prentice Hall, Upper Saddle River, Second Edition, 1996.
[82] V.L. Kharitonov and S. Mondie, Exponential estimates for neutral time-delay systems : an LMI approach,
IEEE Transactions on Automatic Control 50 (2005), no. 5, 666670.
[83] A. Kheddar and P. Coiet, Teleoperation et realite virtuelle, Herm`es-Lavoisier, 2002.
[84] J.-H. Kim, Delay and its time-derivative dependent robust stability of time-delayed systems with uncer-
tainty, IEEE Transactions on Automatic Control 46 (2001), no. 5, 789792.
[85] V.B. Kolmanovskii and A.D. Myshkis, Applied theory of functional dierential equations, Kluwer, 1999.
[86] V.B. Kolmanovskii, S.-I. Niculescu, and J.-P. Richard, On the Lyapunov-Krasovskii functionals for stability
analysis of linear delay systems, Int. J. Control 72 (1999), 374384.
[87] V.B. Kolmanovskii and V.R. Nosov, Stability of functional dierential equations, London : Academy Press,
1986.
[88] V.B. Kolmanovskii and L.E. Sha

ikhet, Control of systems with aftereet, American Mathematical Society,


1996.
[89] A. Leleve, P. Fraisse, and P. Dauchez, Telerobotics over ip networks : Towards a low-level real-time archi-
tecture, Proceedings. IEEE/RSF International Conference, vol. 2, Novembre 2001, pp. 643 648.
[90] A. Leleve, P. Fraisse, P. Dauchez, and F. Pierrot, Stability analysis for a teleoperation system with time
delay and force feedback, Proceedings. IEEE/ASME International Conference, December 1999, pp. 299
304.
[91] X. Li and C.-E. de Souza, Robust stabilization and H

control of uncertain linear time-delay systems,


Proc 13
th
IFAC World Congress (San Francisco, United-States of America), vol. H, 1996.
[92] , Criteria for robust stability and stabilization of uncertain linear systems with state delay, Auto-
matica 33 (1997), 16571662.
[93] , Delay-dependent robust stability and stabilization of uncertain linear delay systems :a linear matrix
inequality approach, IEEE Transactions on Automatic Control 42 (1997), no. 8, 11441148.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
198 BIBLIOGRAPHIE
[94] Y.-F. Li, High precision motion control based on a discrete-time sliding mode approach, Ph.D. Thesis,
Available on http ://www.lib.kth.se/Sammanfattningar/li020129.pdf (1999).
[95] Y.-F. Li and J. Wikander, Discrete-time sliding mode control of a dc motor and ball-screw driven positio-
ning table, Proc. IFAC 15th Triennial World Congress, Barcelona Spain, 2002, pp. 24362441.
[96] Z. Lin and A. Saberi, Semi-global exponential stabilization of linear systems subject to input saturation
via linear feedback, Syst. & Contr. Lett. 21 (1993), 225239.
[97] P.-L. Liu, Exponential stability for linear time-delay systems with delay dependance, J. Franklin Inst. 340
(2003), 481488.
[98] , Robust exponential stabilization for uncertain systems with state and control delay, International
Journal of Systems Science 34 (October 2003), no. 12-13, 675682.
[99] I. Lopez, J.L. Piovesan, C.T. Abdallah, D. Lee, O. M. Palafox, M. Spong, and R. Sandoval, Pratical issues
in networked control systems, ACC06, June, 2006, pp. 4202 4207.
[100] D.G. Luenberger, An introduction to observers, IEEE Trans. on Automatic Control 16 (1971), 596 602.
[101] A.Z. Manitius and A.W. Olbrot, Finite specturm assignment problem for systems with delays, IEEE Trans.
on Automatic Control AC-24 (1979), no. 4.
[102] H.E. Merrit, Hydraulic control systems, John Wiley and Sons, 1967.
[103] Y.V. Mikheev, V.A. Sobolev, and E.M. Fridman, Asymptotic analysis of digital control systems, Autom.
Remote Control 49 (1988), no. 9, 11751180.
[104] S. Mondie and V.L. Kharitonov, Exponential estimates for retarded time-delay systems : an LMI approach,
IEEE Trans. on Automatic Control 50 (2005), no. 2, 268273.
[105] Y.S. Moon, P. Park, W.H. Kwon, and Y.S. Lee, Delay-dependent robust stabilization of uncertain state
delayed systems, Int. J. of Contr. 74 (2001), 14471455.
[106] E. Moulay, M. Dambrine, W. Perruquetti, and N. Yeganefar, Une premi`ere approche de la stabilite et de
la stabilisation en temps ni des syst`emes `a retard, CIFA06 (Bordeaux, France), 2006.
[107] H. Mounier and J.-P. Richard, Special Issue on Delays and Telecommunications, International Journal of
Systems Science 15 (2003), no. 1, 561561.
[108] A.D. Myshkis, General theory of dierential equations with delay, Transl AMS 55 (19551), 162.
[109] S.-I. Niculescu, Sur la stabilite et la stabilisation des systemes lineaires a etats retardes, Ph.D. thesis,
INPG, 1996.
[110] , H

memoryless control with an -stability constraint for time-delay systems : An LMI approach,
IEEE Trans. on Automatic Control 43 (1998), no. 5, 739743.
[111] , Delay eects on stability. a robust control approach, Springer-Verlag, 2001.
[112] S.-I. Niculescu, C.T. Abdallah, and P.F. Hokayem, Eects of channel dynamics on the stability of teleo-
paration, 4th Workshop on Time Delay Systems, September 2003.
[113] S.-I. Niculescu, C.-E. de Souza, L. Dugard, and J.-M. Dion, Robust exponential stability of uncertain
systems with time-varying delays, Proceedings of the 33rd IEEE CDC, 1994, p. 431.
[114] S.-I. Niculescu, J.-M. Dion, and L. Dugard, Robust stabilization for uncertain time-delay systems contai-
ning saturating actuators, IEEE Trans. on Automatic Control 41 (1996), no. 5, 742 747.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
BIBLIOGRAPHIE 199
[115] G. Niemeyer and J.-J. Slotine, Towards force-reecting teleoparation over the internet, IEEE Int. Con. on
Robotics & Automation, 1998.
[116] P.A. Kawka N.J. Ploplys and A.G. Alleyne, Closed-loop control over wireless networks, IEEE Control
Systems Magazine 24 (2004), no. 3, 5871.
[117] F. Ohkawa, S. Sagara, T. Yamashita, and M. Tomizuka, Digital adaptive control of servo system with
unknown nonlinear friction, IEEE 125 (2003), no. 1, 2732.
[118] Y. Oishi, A bound of conservativness in sampled-data robust stabilization and its dependance on sampling
periods, Systems and Control Letters 32 (1997), no. 1, 1119.
[119] H. Olsson, K.J.

Astrom, C. Canudas de Wit, M. Gafvert, and P.Lichinsky, Friction models and friction
compensation, European Journal of Control 4 (1998), 176195.
[120] S. Oucheriah, Global stabilization of a class of linear continuous time delay systems with saturating
controls, IEEE Trans. on Circ. and Syst. I 43 (1996), no. 12, 10121015.
[121] , Exponential stabilization of a class of uncertain time-delay systems with bounded controllers,
IEEE Trans. on Automatic Control 47 (2000), no. 4, 606609.
[122]

U.

Ozg uner, S. Hong, and Y. Pan, Discrete-time sliding mode control of electronic throttle valve, Proc. of
the 40th IEEE Conference on Decision and Control (Orlando, Florida), 2001, pp. 18191824.
[123] Z.J. Palmor, Time-delay compensation - smith predictor and its modications, The control handbook,
New York : CRC and IEEE Press (1996), 224237.
[124] H. Qiu and Q. Zhang, F-pid control for agricultural vehicles with electrohydraulic steering systems, Journal
of Automobile Engineering 217 (2003), no. 5, 375382.
[125] J.-P. Richard, Alg`ebre et analyse pour lautomatique, Herm`es - Lavoisier, 2001.
[126] , Outils mathematiques pour les syst`emes dynamiques, Herm`es - Lavoisier, 2002.
[127] , Time delay systems : an overview of some recent advances and open problems, Automatica 39
(2003), 16671694.
[128] O. Sename, Unknown input robust observers for time-delay systems, Proceedings of the 36th IEEE Confe-
rence on Decision and Control, vol. 2, 1997, pp. 16291630.
[129] , New trends in design of observers for time-delay systems, Kybernetica 37 (2001), no. 4, 427458.
[130] A. Seuret, M. Dambrine, and J.-P. Richard, Robust exponential stabilization for systems with time-varying
delays, 5th Workshop on Time Delay Systems, September 2004.
[131] A. Seuret, T. Floquet, and J.-P. Richard, Observateurs pour syst`emes `a retard variable et inconnu, CIFA
2006, Bordeaux, France, 2006.
[132] A. Seuret, E. Fridman, and J.-P. Richard, Sampled-data exponential stabilization of neutral systems with
input and state delays, IEEE MED 2005, 13
th
Mediterranean Conference on Control and Automation,
June 2005.
[133] , Robust sampled-data control - An input delay approach, In Applications of Time-Delay Systems,
Edt. J.-J. Loiseau, LNCIS, Springer, 2006.
[134] A. Seuret, F. Michaut, J.-P. Richard, and T. Divoux, Networked control using GPS synchronization,
American Control Conference, Mineapolis, US, June 2006.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
200 BIBLIOGRAPHIE
[135] A. Seuret, F. Michaut, J.-P. Richard, and F. Lepage, Prise en compte des retards de reseau dans la
conception de commande, In Syst`emes comandes en reseau, J.-P. Richard et Th. Divoux, Herm`es Traites
IC2, Information, Commande, Communication, 2006.
[136] A. Seuret, M. Termens-Balester, A. Toguyeni, S. El Khatabi, and J.-P. Richard, Implementation of an
internet-controlled system under variable delays, ETFA06, Pragues, Rep Tcheque, September, 2006.
[137] S.N. Shimanov, On stability in the critical case of a zero root for systems with time lag, J. Appl. Math.
Mech. 24 (1960), 653 668.
[138] S.C. Southward, C.J. Radclie, and C.R. MacCluer, Robust nonlinear stick-slip friction compensation,
Journal of Dynamic Systems, Measurement, and Control 113 (1991), 639645.
[139] V. Suplin, E. Fridman, and U. Shaked, H

control of linear uncertain time-delay systems - a projection


approach, Proc. of the IEEE Conf. on Dec. and Control (Bahamas), 2004.
[140] T. Takagi and M. Sugeno, Fuzzy identication of systems and its applications to modelling and control,
IEEE Trans. on SMC 15 (1985), 13511357.
[141] C. P. Tan and C. Edwards, An LMI approach for designing sliding mode observers, International Journal
of Control 74 (2001), no. 16, 15591568.
[142] S. Tarbouriech and G. Garcia, Stabilization of neutral linear time-delay systems with saturating actuators,
Proc. of the 38th IEEE Conf. on Dec. and Contr., 1999, pp. 20112016.
[143] S. Tarbouriech and J.M. Gomes da Silva Jr., Synthesis of controllers for continuous-time delay systems
with saturating controls via LMIs, IEEE Trans. Autom. Contr. 45 (2000), no. 1, 105111.
[144] S. Tarbouriech, J.M. Gomes da Silva Jr., and G. Garcia, Delay-dependent anti-windup strategy for linear
systems with saturating inputs and delayed outputs, Int. J. of Rob. and Nonlin. Contr. 14 (2004), 665682.
[145] V.I. Utkin, Principles of identication using sliding regimes, Soviet Physics Doklady (1981), no. 26.
[146] , Sliding modes in control and optimization, Springer-Verlag, Berlin, Germany, 1992.
[147] J. Wang, H. Van Brussel, and J. Swevers, Robust perfect tracking control with discrete sliding mode
controller, Journal of Dynamic Systems, Measurement, and Control 125 (2003), no. 1, 2732.
[148] R.-J. Wang and W.-J. Wang, -stability analysis of perturbed systems with multiple noncommensurate
time delays, IEEE Trans. on Circuits and Systems I : Fundamental Theory and Applications 43 (1996),
no. 4, 349 352.
[149] X.-S. Wang, C.-Y. Su, and H. Hong, Robust adaptive control of a class of nonlinear systems with unknown
dead-zone, International Journal of Systems Science 40 (2004), 407413.
[150] Z. Wang, B. Huang, and H. Unbehausen, Robust H

observer design for uncertain time-delay systems :(i)


the continuous case, IFAC 14th world congress, December 1999, pp. 231236.
[151] K. Watanabe and K. Kojima E. Nobuyama, Recent advances in control of time-delay systems : A tutorial
review, Proceedings of the 35
th
IEEE CDC (Kobe, Japan), 1996, pp. 2083 2089.
[152] P. Wellstead and M. Readman, Engine speed control, Online, Available : http ://www.control-systems-
principles.co.uk/engine-speed-control.pdf (2003).
[153] E. Witrant, Stabilisation des syst`emes commandes par reseaux, Ph.D. thesis, INPG, 2005.
[154] S. Xu, J. Lam, and M. Zhong, New exponential estimates for time-delay systems, IEEE Transactions on
Automatic Control 51 (2006), no. 9, 15011505.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7
BIBLIOGRAPHIE 201
[155] S. Xu, P. Shi, C. Feng, Y. Guo, and Y. Zou, Robust observers for a class of uncertain nonlinear stochastic
systems with state delay, Nonlinear Dynamics and Systems Theory 4 (2004), no. 3.
[156] Y. Yamamoto, New approach to sampled-data control systems - a function space method, Conference on
Decision and Control (Proceeding of the 29th Conference on Decision and Control, eds.), December 1990.
[157] N. Yeganefar, Contribution `a la stabilite des syst`emes `a retards, Ph.D. thesis,

Ecole Centrale de Lille,
2006.
[158] D.K. Young, V.I. Utkin, and

U.

Ozg uner, A control engineers guide to sliding mode control, IEEE Tran-
sactions on Control Systems Technology 7 (1999), no. 3, 482485.
[159] K.D. Young, A tale of two discontinuities, Londen ltd. ed., Lecture Notes in Control and Information
Science 247, Variable Structure Systems, Sliding Mode and Nonlinear Control, Springer-Verlag, 351-361
1999.
[160] J. Zhang, C.R. Knospe, and P. Tsiotras, Torward less conservative stability analysis of time delay systems,
Proc 38
th
IEEE CDC99 (Phoenix, United-States of America), vol. 2017 - 2022, 1999.
t
e
l
-
0
0
1
3
2
0
9
9
,

v
e
r
s
i
o
n

1

-

2
0

F
e
b

2
0
0
7